☰

Grep 查找词干并仅打印单词（而不是行）

tag-icon • tag-icon text-processing pattern-matching
Grep 查找词干并仅打印单词（而不是行）

我试图仅打印通过正则表达式找到的匹配单词。下面，我想要OPENSSL_NO_*源代码中存在的所有选项：

$ grep -IR OPENSSL_NO
fuzz/asn1.c:#ifndef OPENSSL_NO_RFC3779
fuzz/asn1.c:#ifndef OPENSSL_NO_RFC3779
fuzz/asn1.c:#ifndef OPENSSL_NO_CMS
fuzz/asn1.c:#ifndef OPENSSL_NO_DH
fuzz/asn1.c:#ifndef OPENSSL_NO_EC
fuzz/asn1.c:#ifndef OPENSSL_NO_RFC3779
fuzz/asn1.c:#ifndef OPENSSL_NO_OCSP
fuzz/asn1.c:#ifndef OPENSSL_NO_TS
fuzz/asn1.c:#ifndef OPENSSL_NO_DH
fuzz/asn1.c:#ifndef OPENSSL_NO_DSA
...

当我尝试通过仅打印完整单词来修剪输出时：

$ grep -oIR "OPENSSL_NO*"
fuzz/asn1.c:OPENSSL_NO
fuzz/asn1.c:OPENSSL_NO
fuzz/asn1.c:OPENSSL_NO
fuzz/asn1.c:OPENSSL_NO
fuzz/asn1.c:OPENSSL_NO
...

当我尝试 awk 时，它会打印整行：

$ grep -IR OPENSSL_NO | awk '/OPENSSL_NO[_A-Z0-9_]/{ print $0 }'
fuzz/asn1.c:#ifndef OPENSSL_NO_RFC3779
fuzz/asn1.c:#ifndef OPENSSL_NO_RFC3779
fuzz/asn1.c:#ifndef OPENSSL_NO_CMS
fuzz/asn1.c:#ifndef OPENSSL_NO_DH
fuzz/asn1.c:#ifndef OPENSSL_NO_EC
...

和：

$ grep -IR OPENSSL_NO | awk '/\<OPENSSL_NO\>'
awk: line 1: runaway regular expression /\<OPENSSL_ ...

和：

$ grep -Eo -IR 'OPENSSL_NO_[A-Z0-9_]'
fuzz/asn1.c:OPENSSL_NO_R
fuzz/asn1.c:OPENSSL_NO_R
fuzz/asn1.c:OPENSSL_NO_C
fuzz/asn1.c:OPENSSL_NO_D
fuzz/asn1.c:OPENSSL_NO_E

和：

$ grep -IR OPENSSL_NO | sed -n 's/.*\(OPENSSL_NO\).*/\1/p'
OPENSSL_NO
OPENSSL_NO
OPENSSL_NO
OPENSSL_NO
OPENSSL_NO
...

如何匹配一个单词然后只打印该单词？

考虑到有很多问题，这显然是一项痛苦的任务。以下是我无法适应我的[简单？]问题的各种问题：

答案1

*正则表达式中的意思是0 个或多个前面的原子。您将它与*shell 通配符运算符混淆了，它的含义是0 个或多个字符。

OPENSSL_NO_*表示OPENSSL_NO后面跟着0个或多个下划线。

你想要：

grep -o 'OPENSSL_NO_.*'

哪里.是匹配单个字符的正则表达式运算符。

或者：

grep -o 'OPENSSL_NO_[[:alnum:]]*'

0 个或多个字母数字字符（在语言环境支持的任何字母脚本中）。

扩展正则表达式（如grep -E）也有+for1 个或多个前面的原子。和基本的正则表达式（不带 -E），您可以使用\{1,\}它来代替。

有些grep实现也有\w这意味着任何字母数字字符或下划线但请注意，在某些实现的某些版本中，它仅限于此A-Za-z0-9。

无论如何，请注意-o/-R不是标准选项。 POSIXly，你可能想要：

sed -n 's/.*\(OPENSSL_NO_[[:alnum:]_]\{1,\}\).*/\1/p' < file

（每行只允许出现一次；如果出现多个，则只显示最右边的一个）。

这不会打印文件名。为此，您可以使用awk：

find . -name '*.[hc]' -type f -exec awk 'match($0, /OPENSSL_NO_[[:alnum:]_]+/) {
  print FILENAME": "substr($0, RSTART, RLENGTH)}' {} +

答案2

正则表达式中的运算符*意味着“零个或多个”，因此 grep 非常乐意通过使用“零”个附加字符来满足该条件。

我将以某种方式扩展正则表达式，以便 grep 被迫包含该术语的其余部分：

grep -o 'OPENSSL_NO_.*$' input

或者

grep -o 'OPENSSL_NO_.*\b' input

（在这两种情况下，我都添加了一个额外的下划线）。

答案3

我已经使用 awk 命令来实现相同的目的

for i in {1..2}; do awk -v i="$i" '$i ~/^OPENSSL/ {print $i}' example.txt; done

输出

OPENSSL_NO_RFC3779
OPENSSL_NO_RFC3779
OPENSSL_NO_CMS
OPENSSL_NO_DH
OPENSSL_NO_EC
OPENSSL_NO_RFC3779
OPENSSL_NO_OCSP
OPENSSL_NO_TS
OPENSSL_NO_DH
OPENSSL_NO_DSA

相关内容