Bash Regex – Hướng dẫn chi tiết 8 cách sử dụng biểu thức chính quy

Regex là công cụ đắc lực giúp bạn xử lý văn bản trong Bash. Với Regex, việc tìm kiếm, so khớp hay thay thế trở nên dễ dàng và hiệu quả hơn bao giờ hết. Trong bài viết này, Vietnix sẽ hướng dẫn bạn sử dụng Regex trong Bash, từ những khái niệm cơ bản đến các ví dụ thực tế và cách giải quyết những vấn đề thường gặp.

Bash Regex là gì?

Regex viết tắt của Regular Expression (biểu thức chính quy), là một chuỗi các ký tự đặc biệt được sử dụng để xác định mẫu tìm kiếm trong việc thao tác hoặc khớp mẫu văn bản. Trong Bash, Regex được sử dụng trong các lệnh như lệnh grep, sed, lệnh awk và thậm chí trong các biểu thức điều kiện, mở rộng tham số.

Một biểu thức chính quy bao gồm một hoặc nhiều thành phần như:

• Tập hợp ký tự (Character set): Là một nhóm các ký tự cụ thể được hiểu theo nghĩa đen của chúng, không mang ý nghĩa đặc biệt nào trong Regex. Ví dụ, [abc] sẽ khớp với bất kỳ ký tự ‘a‘, ‘b‘ hoặc ‘c‘ nào trong văn bản.
• Điểm neo (Anchor): Là các ký tự đặc biệt được sử dụng để đánh dấu các vị trí cụ thể trong văn bản mà mẫu cần khớp. Các ký tự này không đại diện cho các ký tự thực tế mà chỉ cho biết vị trí bắt đầu hoặc kết thúc của mẫu trong văn bản. Dấu ^ khớp với đầu dòng và dấu $ khớp với cuối dòng là 2 điểm neo phổ biến trong Regex.
• Bộ điều chỉnh (Modifier): Là các ký tự hoặc biểu tượng đặc biệt giúp mở rộng hoặc thu hẹp phạm vi khớp của mẫu Regex. Một số modifier phổ biến trong Regex bao gồm *, +, ?. 

Với vai trò là một shell (môi trường thực thi lệnh) trên các hệ điều hành Linux, Bash được xem là công cụ hỗ trợ hữu ích trong việc sử dụng Regex thông qua thực hiện, chạy tập lệnh Bash (script). Ngoài ra, Bash còn được xem như là một lệnh hữu ích trên hệ thống hệ điều hành – lệnh bash.

Bên cạnh đó, bạn có thể tìm hiểu thêm: Bash có phải là ngôn ngữ lập trình

Biểu thức chính quy cơ bản (BRE)

• BRE là loại Regex mặc định được sử dụng trong nhiều tiện ích Unix truyền thống như grep, sed và awk. 
• Trong BRE, một số ký tự đặc biệt như ?, +, | và () được hiểu theo nghĩa đen trừ khi được thêm dấu \ phía trước. 
• BRE phù hợp với các tác vụ khớp mẫu cơ bản và được hỗ trợ rộng rãi trên các hệ thống dựa trên Unix.

Biểu thức chính quy mở rộng (ERE)

• ERE là phiên bản nâng cao của BRE, cung cấp nhiều ký tự đặc biệt và tính năng phong phú hơn.
• Trong ERE, các ký tự đặc biệt như ?, +, | và () được hiểu theo nghĩa đặc biệt của chúng mà không cần dấu \. 
• ERE hỗ trợ các tính năng bổ sung như số lượng từ (?, +, {}) và tham chiếu ngược (\1, \2,...).
• Các tiện ích như grep -E (hoặc egrep) và sed -E hỗ trợ ERE một cách rõ ràng.
• ERE cho phép tạo các mẫu Regex ngắn gọn và linh hoạt hơn so với BRE, phù hợp cho các tác vụ khớp mẫu và xử lý văn bản phức tạp.

Tóm lại, BRE phù hợp cho các tác vụ khớp mẫu đơn giản và được hỗ trợ rộng rãi, trong khi ERE cung cấp nhiều tính năng mạnh mẽ hơn cho các tình huống phức tạp. Lựa chọn loại Regex phù hợp phụ thuộc vào yêu cầu cụ thể của bạn.

9 loại ký tự tự đặc biệt trong Regex

Ký tự đặc biệt trong Regex cho phép bạn thực hiện các thao tác như khớp mẫu, thay thế và thao tác văn bản.

Cách 1: Sử dụng Regex trong mệnh đề If

Trong Bash, Regex có thể được sử dụng bên trong câu lệnh if để tìm kiếm hoặc so khớp mẫu. Ví dụ, để kiểm tra phần mở rộng của tên file, bạn có thể sử dụng regex trong câu lệnh if với cú pháp chạy script Bash (chạy song song lệnh Bash) như sau:

#!/bin/bash

filename="filex.txt"

if [[ "$filename" =~ \.txt$ ]]; then

 echo "Filename has a .txt extension"

else

 echo "Filename does not have a .txt extension"

fi

Kết quả: Script in ra kết quả sau khi khớp mẫu (\.txt) với phần mở rộng của file.

Cách 2: Sử dụng Regex phủ định trong điều kiện If

Regex phủ định khớp với mọi thứ ngoại trừ mẫu được đề cập. Ví dụ, để kiểm tra xem một biến có chứa bất kỳ chữ số nào hay không, bạn có thể sử dụng Regex phủ định trong điều kiện if. Dưới đây là cách đoạn script hoạt động:

#!/bin/bash

string="Hello, world!"

#print the string

echo "The string: $string"

echo

#check the string

if ! [[ "$string" =~ [0-9] ]]; then

echo "String does not contain any digits"

else

echo "String contains at least one digit"

fi

Kết quả: Output hiển thị kết quả sau khi kiểm tra xem chuỗi có chứa bất kỳ số nào không bằng cách sử dụng Regex phủ định.

Cách 3: Sử dụng Regex với biến trong điều kiện If

Trong Bash, bạn có thể lưu trữ các mẫu Regex trong các biến để sử dụng lại dễ dàng. Cú pháp để tạo biến là variable_name=”pattern”. Sau đó, bạn có thể sử dụng biến này trong điều kiện của câu lệnh if với định dạng “string” =~ $variable_name. Ví dụ:

#!/bin/bash

pattern="[a-z]+"

#Amtching the pattern with the string

if [[ "hello" =~ $pattern ]]; then

echo "String matches the regex pattern"

else

echo "String does not match the regex pattern"

fi

Kết quả: Vì chuỗi “hello” khớp với mẫu Regex [a-z]+ đã được định nghĩa, đoạn script sẽ in ra kết quả như hình minh hoạ bên dưới.

Cách 4: Sử dụng Regex với lệnh sed

Lệnh sed là một tiện ích mạnh mẽ để thực hiện các biến đổi văn bản trên một luồng input (một chuỗi văn bản) hoặc các file. Lệnh này có thể thực hiện biến đổi văn bản với sự trợ giúp của Regex. Dưới đây là một ví dụ về việc viết hoa mỗi chữ ‘a’ trong một chuỗi bắt đầu với cú pháp lệnh echo:

echo "apple banana cherry" | sed 's/a/A/g'

Kết quả: Đoạn script sẽ in ra kết quả sau khi thay thế tất cả các chữ ‘a’ thường bằng chữ ‘A’ hoa: Apple bAnAnA cherry.

Cách 5: Sử dụng Regex với lệnh awk

Lệnh awk là một công cụ mạnh mẽ để xử lý văn bản, trích xuất dữ liệu và tạo báo cáo, cung cấp cú pháp ngắn gọn và linh hoạt để xử lý dữ liệu có cấu trúc.

Ví dụ, bạn có 1 file văn bản có tên data.txt với nội dung sau:

apple 10

banana 20

cherry 30

Để trích xuất các dòng mà cột thứ hai chứa số 20 bằng cách sử dụng Regex với lệnh awk, bạn hãy làm theo đoạn script bên dưới:

#!/bin/bash

# Extract lines where the second column contains the number "20" from data.txt

awk '$2 ~ /20/ {print}' data.txt

Kết quả: Script in ra dòng chứa số “20” như đã định nghĩa trong biểu thức chính quy.

Cách 6: Sử dụng Regex với lệnh grep

Lệnh grep là một công cụ được sử dụng để tìm kiếm các file văn bản hoặc luồng input cho các dòng khớp với một mẫu được chỉ định. Lệnh grep cùng với Regex có thể tìm kiếm các dòng chứa một mẫu cụ thể.

Giả sử bạn có một file trong thư mục hiện tại có tên là example.txt với nội dung sau:

apple

banana

grape

apricot

watermelon

Lệnh grep sau đây sẽ thực hiện tìm kiếm “apple” và “apricot” với Regex trong file:

grep 'apple\|apricot' example.txt

Kết quả: Lệnh trên sẽ hiển thị các dòng trong file example.txt chứa từ “apple” hoặc “apricot”.

Sử dụng Regex để tìm kiếm và thay thế trong Bash

Regex có khả năng xác định các mẫu hoặc chuỗi con cụ thể trong văn bản. Sau đó, regex có thể được sử dụng để thay thế văn bản hoặc mẫu đã xác định bằng một chuỗi thay thế khác.

#!/bin/bash

# Input string

input="The quick brown fox jumps over the lazy dog."

# Perform search and replace using regex

output=$(echo "$input" | sed 's/[aeiou]/#/g')

# Print the modified string

echo "$output"

Kết quả: Script sẽ in ra chuỗi “Th# qu#ck br#wn f#x jumps #v#r th# lazy d#g.”, trong đó tất cả các nguyên âm đã được thay thế bằng dấu #.

Cách trích xuất tên miền từ URL bằng Regex trong Bash

Trong một URL, tên miền là phần chính xác định website. Để trích xuất tên miền từ URL, bạn có thể sử dụng Regex trong Bash. Script này sẽ xác định và tách phần chính đại diện cho tên miền, đồng thời loại bỏ các thành phần không cần thiết như giao thức (http://, https://), đường dẫn (path) và các tham số truy vấn (query parameters).

Để trích xuất tên miền từ URL, bạn có thể sử dụng cú pháp sau:

if [[ "$url" =~ ^https?://([^/]+) ]]; then domain=”${BASH_REMATCH[1]}”

Ví dụ: 

#!/bin/bash

# URL

url="https://www.example.com/path/to/page?param=value"

# Extract domain using regex

if [[ "$url" =~ ^https?://([^/]+) ]]; then

domain="${BASH_REMATCH[1]}"

echo "Domain name: $domain"

else

echo "Invalid URL"

fi

Kết quả: Đoạn script sẽ in ra tên miền được trích xuất từ URL (Domain name: www.example.com).

Kiểm tra định dạng địa chỉ IP bằng Regex trong Bash

Để kiểm tra định dạng của địa chỉ IP bằng Regex trong Bash, bạn có thể tạo một mẫu Regex khớp với các địa chỉ IP hợp lệ.

Ví dụ:

#!/bin/bash

# IP address

ip="192.168.277.1"

echo "The ip address: $ip"

echo

# Regex pattern for IP address format

regex='^(([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.){3}([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])$'

# Check if IP address matches the regex pattern

if [[ $ip =~ $regex ]]; then

echo "Valid IP address"

else

echo "Invalid IP address"

fi

Kết quả: Vì địa chỉ IP 192.168.277.1 có octet thứ ba là 277 (ngoài phạm vi cho phép từ 0 đến 255) nên script sẽ in ra kết quả là: Invalid IP address.

Kiểm tra định dạng của địa chỉ email bằng Regex trong Bash

Để kiểm tra định dạng của một địa chỉ email bằng Regex trong Bash, bạn có thể tạo một mẫu Regex khớp với các địa chỉ email hợp lệ. 

Một Regex để kiểm tra định dạng email là [A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$.

Ví dụ:

#!/bin/bash

read -p "Enter email: " email

#regex pattern for email address format

regex='^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$'

if [[ "$email" =~ $regex]]; then

echo "Valid email address"

else

echo "Invalid email address"

fi

Kết quả: Trong hình minh hoạ bên dưới, script phát hiện địa chỉ email không hợp lệ vì địa chỉ email không chứa ký tự “@” nên in ra kết quả là Invalid email address.

Tách chuỗi bằng Regex trong Bash

Việc tách chuỗi bằng Regex trong Bash chính là chia 1 chuỗi thành các phần nhỏ hơn dựa trên 1 mẫu hoặc dấu phân cách được xác định. Bạn có thể sử dụng Regex với các hàm như grep, sed hoặc awk để tách chuỗi.

Để tách chuỗi bằng Regex cùng với lệnh grep trong Bash, bạn sử dụng script sau:

#!/bin/bash

text="apple,banana,orange,grape"

delimiter=","

#print the string

echo "The text:"

echo $text

echo

echo "The text after splitting"

# Splitting the text using grep and regex

echo "$text" | grep -oE "[^$delimiter]+"

Kết quả: Script sẽ in ra chuỗi gốc và sau đó In ra từng phần của chuỗi đã được tách ra trên một dòng mới.

Lọc văn bản bằng Regex trong Bash

Lọc văn bản bằng Regex là việc chọn hoặc loại trừ các dòng hoặc khối văn bản dựa trên mẫu được chỉ định. Để lọc văn bản, bạn sử dụng lệnh grep với 1 mẫu regex theo sau là tên file. 

Giả sử, bạn có một file data.txt với nội dung sau:

apple 100

banana 150

orange 200

apple 50

grape 250

apple 60

Bạn sử dụng script sau để lọc các dòng từ file data.txt chứa văn bản “apple”:

#!/bin/bash

# Text file with some data

file="data.txt"

# Filter lines containing "apple" using grep

grep "apple" "$file"

Kết quả: Script sẽ in ra các dòng trong file data.txt chứa từ “apple”.

Cách sử dụng Regex trong so khớp văn bản

Bạn có thể sử dụng Regex trong câu lệnh if để so khớp văn bản. Trong tác vụw này, có 2 trường hợp có thể xuất hiện đó là: 

• So khớp phân biệt chữ hoa chữ thường
• So khớp không phân biệt chữ hoa chữ thường. 

Để so khớp văn bản bằng Regex, bạn sử dụng script sau:

#!/bin/bash

name="Watson"

shopt -s nocasematch

if [[ $name =~ ^watson$ ]]; then

echo "The name is Watson (case-insensitive)."

else

echo "The name is not Watson (case-insensitive)."

fi

Kết quả: Script sẽ in ra thông báo “The name is Watson (case-insensitive).” vì chuỗi name chứa từ “Watson” (không phân biệt chữ hoa chữ thường).

Mẹo sử dụng Regex

Tuy Regex có nhiều ưu điểm nhưng việc sử dụng Regex cũng có thể gặp một số khó khăn và vấn đề như thoát ký tự đặc biệt, xử lý khoảng trắng,… Dưới đây là các mẹo giúp bạn khắc phục các vấn đề này hiệu quả.

Thoát các ký tự đặc biệt

Trong Regex, một số ký tự có ý nghĩa đặc biệt như ^, $, \. Để tìm kiếm chính xác những ký tự này, bạn cần đặt thêm một dấu gạch chéo ngược (\) trước ký tự đó. 

Ví dụ: Để tìm kiếm dấu *, bạn cần dùng mẫu \*.

Dưới đây là ví dụ về cách thoát các ký tự đặc biệt trong mẫu Regex:

#!/bin/bash

string='The cost is $100'

pattern='\$100'

if [[ $string =~ $pattern ]]; then

echo 'Match found'

else

echo 'Match not found'

fi

Khi sử dụng Regex, các ký tự khoảng trắng (như dấu cách, tab) có thể gây ra các lỗi không mong muốn. Để xử lý các vấn đề này, bạn có thể sử dụng lớp ký tự [:space:] hoặc đặc biệt character \s. Dưới đây là ví dụ để xử lý khoảng trắng khi so khớp mẫu bằng Regex:

Xử lý khoảng trắng

#!/bin/bash

string='Regex      in       action'

pattern='Regex in action'

#print the string and the pattern

echo "The string: $string"

echo "The regex pattern: $pattern"

echo

if [[ $string =~ $pattern ]]; then

echo 'Match found'

else

echo 'Match not found'

fi

echo

echo "Handling whitespace"

new_pattern='Regex\s+in\s+action'

echo "The new regex pattern: $new_pattern"

echo

if [[ $string =~ $new_pattern ]]; then

echo 'Match found'

else

echo 'Match not found'

fi

Ngoài ra, bạn cũng có thể sử dụng lớp ký tự [:space:] để xử lý khoảng trắng trong Regex như sau:

#!/bin/bash

string='Regex      in       action'

pattern='Regex[[:space:]]+in[[:space:]]+action'

if [[ $string =~ $pattern ]]; then

echo 'Match found'

else

echo 'Match not found'

fi

Lời kết

Bài viết đã cung cấp cái nhìn tổng quan về Regex và cách sử dụng Regex trong Bash, bao gồm cách thức hoạt động, chức năng và mẹo để xử lý một số vấn đề thường gặp. Hy vọng thông tin này sẽ hữu ích cho bạn và giúp bạn sử dụng Regex một cách hiệu quả trong các tác vụ liên quan đến văn bản.