正则表达式（regular expression）是用一系列字符串去表示一个搜索的模式（pattern）的， 符合该匹配的字符串将被作为搜索结果。使用正则表达式可以完成复杂的文本处理任务。
寻找字符串的模式及找规律，例如，sunday，monday，tuesday的规律是若干个
字符后面有三个一样的字符“day”，那么模式可以表示为(sun | mon |
tues)day。
正则表达式基本概念
正则表达式在不同的语言有相同或者相似的实现，也有不同语言的特色，同时 POSIX规定的正则表达式有基础正则表达式和扩展正则表达式之分，但是大多数 的正则表达式都包括：或（or），分组（group），数量（quantification）， 通配符（wildcard）等。
grep 默认支持的是基础正则表达式，grep -E 或者 egrep 支持的是扩展
正则表达式。两者有一定区别，使用时需要稍稍注意。
- 或：字符串符合若干模式中的一种，在正则表达式中一般以
pattern1 | pattern2来表示。例如：sunday | saturday可以用来匹配 “sunday” 或 者 “saturday”。在基础正则表达式中是使用\|来表示或的，|则表示该符 号本身。在扩展正则表达式中则反过来，|是表示或的，\|表示该符号。
$ echo sunday | grep "sunday\|saturday"
sunday
$ echo sunday | grep "sunday|saturday"
$ echo "sunday|" | grep "sunday|saturday"
$ echo monday | grep "sunday\|saturday"
$ echo sunday | egrep "sunday\|saturday"
$ echo sunday | egrep "sunday|saturday"
sunday
- 分组：对于一个表达式中的一部分进行分组，可以在后面只输出分组中
的内容，一般用小括号
(pattern)表示分组。例如：(sun|mon|tues)day， 使用分组可以把要匹配的可变部分和后面不可变的部分进行区分。许多语言也 支持把小括号中的匹配单独输出，例如去匹配 “sunday” 并输出分组中的内容 的时候就可以输出 “sun”，而去匹配 “tuesday” 的时候可以输出分组内容 “tues”。一个正则表达式中可以有多个分组，一些语言也支持把多个分组选择 性输出。在基础正则表达式中是使用\(\)来表示分组的，()则表示小括 号本身。在扩展正则表达式中则反过来，()是表示分组的，\(\)表示小括 号。
$ echo sunday | grep "\(sun\|satur\)day"
sunday
$ echo "sunday" | egrep "(sun|satur)day"
sunday
$ echo "sunday" | grep "(sun|satur)day"
$ echo "monday" | egrep "(sun|satur)day"
- 数量：使用数量匹配符号，可以对其前面的字符指定匹配的数量。
?：匹配零个或一个字符，例如 “ab?c” 匹配的只会是 “ac”，“abc”*：匹配零个或多个字符，例如 “ab*c” 匹配的会是 “ac”，“abc”，“abbc”，“abbbc”等等。+：匹配一个或多个字符，例如 “ab+c” 匹配的会是 “abc”，“abbc”，“abbbc”，“abbbbc”等等{n}：匹配 n 个字符，例如 “a{3}bc” 只会匹配 “aaabc”{min,}：匹配最少 min 个字符，例如 “ab{3,}c” 会匹配 “abbbc”，“abbbbc”，“abbbbbc” 等等。 “ab{0,}c” 相当于 “ab*c”；“ab{1,}c” 相当于“ab+c”。{min,max}：匹配最少 min 个字符，最多 max 个字符，例如 “ab{3,6}c” 只会匹配 “abbbc”，“abbbbc”，“abbbbbc”，“abbbbbbc”。“ab{0,1}c”相当 于“ab?c”。- 类似前面，在基础正则表达式中，
\{\}用来作为正则表达式。在扩展正则表达式中则相反，使用{}。
$ echo "AGCGTTTTGT" | egrep "T{4,}"
AGCGTTTTGT
$ echo "AGCGTTTTGT" | egpre "GT+G"
AGCGTTTTGT
- 通配符：有的时候我们需要抓取的字符的组合非常多，这个时候就需要使用通 配符，而不需要把所有组合都自己打出来。利用通配符，我们可以使用一个记 号去表示多种字符。需要注意的是，不管通配符本身包含多少字符，通配符自 己只会匹配一个字符。
.：可以匹配任何单个字符。[]：匹配中括号中包括的所有字符，例如[a123.]，可以匹配 “a”， “1”，“2”，“3”，“.”。[a-z]匹配所有的小写字母，[A-Z]匹配所有的大 写字母，[0-9]匹配所有的数字。[^]：匹配不在中括号中的其他字符，例如[^a1]，匹配除了 “a” 和 “1” 之外的其他字符。[:upper:]：匹配所有大写字母，相当于[A-Z]。[:lower:]：匹配所有小写字母，相当于[a-z]。[:alpha:]：匹配所有大写和小写字母，相当于[[:upper:][:lower:]]。[:alnum:]：匹配所有的大小写字母和数字，相当于[[:alpha:][:digit:]]。[:digit:]：匹配所有的数字[0-9]。[:xdigit:]：匹配十六进制数字[0-9A-Fa-f]。[:punct:]：匹配标点符号[.,!?:…]。[:blank:]：匹配空格和制表符[ \t]。[:space:]：匹配空白字符，空格，制表符，回车，新行，新页等，相当于[ \t\n\r\f\v]。[:cntrl:]：控制字符。[:graph:]：能看得到的字符，相当于[^ \t\n\r\f\v][:print:]：可打印字符，能看得到的字符和空格[^\t\n\r\f\v]。
$ cat sample.fq | grep "ACCG([ATCG]{20})GTTT" > reads_with_sgRNA.txt
对于字符串开头和结尾，可以使用 ^ $ 来进行定位。
^：指定字符串起始位置$：指定字符串结束位置
$ echo "one two three" | grep "two"
one two three
$ echo "one two three" | grep "^two"
$ echo "one two three" | grep "^one"
one two three
$ echo "one two three" | grep "three$"
one two three
