我已经导出了 10 年的电子邮件档案，该档案非常大。
我想解析任何 64 个字符长的字符串的所有文本，以搜索比特币私钥。
如何解析一定长度的字符串？
答案1
如果您打算搜索十六进制形式的 256 位数字（范围中的 64 个字符0-9-A-F比特币私钥可能出现的格式之一），则应执行以下操作：
egrep -aro '\<[A-F0-9]{64}\>' files and dirs ...
添加选项，或者如果某些键是小写的，-i还包括范围。a-f
对于查找具有指定长度的同一类中的字符串的一般问题，您最好使用 pcre regexps，它可以与带选项的 GNU grep 一起使用-P。例如，要查找任何字符集中的大写字母，最小长度为 2，最大长度为 4，并且由非大写字母的字符分隔：
echo ÁRVÍZtűrő tükörFÚRÓgép |
LC_CTYPE=en_US.UTF-8 grep -Po '(?<!\p{Lu})\p{Lu}{2,4}(?!\p{Lu})'
FÚRÓ
替换\p{Lu}为\p{Ll}小写字母，\S非空格等。请参阅这里和这里获取完整列表。
(?<!...)和(?!...)是消极的向后看和向前看零宽度断言；例如，当未用和(?<!<)\w(?!>)括起来时，将匹配“单词”字符。零宽度断言可以通过 实现。<>\<vi(?<!\w)(?=\w)
答案2
如果你想从 中查找长度为 64 的所有单词/path/to/file，你可以使用
tr -c '[:alnum:]' '\n' < /path/to/file | grep '^.\{64\}$'
这会将所有非字母数字字符替换为换行符，因此每个单词都在自己的行上。然后它过滤此结果以仅包含长度为 64 的单词。
答案3
如果您有 GNU grep（Linux 上默认），您可以执行以下操作：
grep -Po '(^|\s)\S{64}(\s|$)' file
启用-PPerl 兼容正则表达式，它为我们提供\b（字边界）\S（非空白）和{N}（精确查找 N 个字符），以及-o“仅打印该行的匹配部分”的意思。然后，我们寻找非-的延伸。空格的长度正好是 64 个字符，位于行的开头 ( ^) 或空格 ( 's) 之后，并且位于行的末尾 ( $) 或以另一个空格字符结束。
请注意，结果将包含字符串开头和结尾的任何空白字符，因此如果您想进一步解析它，您可能需要使用它：
grep -Po '(^|\s)\K\S{64}(?=\s|$)'
这将查找空白字符或字符串的开头(\s|^)，然后丢弃它\K，然后查找 64 个非空白字符，后跟（(?=foo)称为“展望" 并且不会包含在匹配中）空白字符或行尾。
答案4
看来 grep 是“搜索”字符串的正确工具。剩下要做的就是用正则表达式定义这样的字符串。第一个问题是定义单词的范围。它不像“空格”那么简单，用作a book, a lamp单词,分隔符，在相同的概念中，许多其他字符，甚至行的开头或结尾都可以充当单词分隔符。 GNU grep 中有一些单词分隔符：
\<词开始。\>词末。\b词边界。
他们都假设一个单词是一个[a-zA-Z0-9_]字符序列。如果这对你来说没问题，这个正则表达式可以工作：
grep -o '\<.\{64\}\>' file
如果您可以使用扩展正则表达式，则\可以减少：
grep -oE '\<.{64}\>' file
从“单词开头”( \<)、64 ( {64}) 个字符 ( .) 到“单词结尾”( \>) 进行选择，并仅打印匹配的 ( -o) 部分。
然而，点（. ) 将匹配任何性格，可能太过分了。
如果您想更严格地选择（十六进制数字），请使用：
grep -oE '\<[0-9a-fA-F]{64}\>' file
这将允许小写的十六进制数字或者大写。但如果您确实想严格一些，因为可能包含一些非 ASCII 字符，请使用：
LC_ALL=C grep -oE '\<[0-9a-fA-F]{64}\>' file
grep 的某些实现（如 grep -P）没有“单词开头”或“单词结尾”（如\<和\>），但有“单词边界”（如\b）：
grep -oP '\b[0-9a-fA-F]{64}\b' file