☰

sed 中的非贪婪匹配

tag-icon • tag-icon sed regular-expression
sed 中的非贪婪匹配

在 bash 脚本中，我有以下变量：

file_name='this_is_the_hart_part.csv'

使用

var2=$(echo $file_name | sed -e 's/_{2}\(.*\)_{3}/\1/')

我想提取子字符串“the”（变量 $file_name 中的下划线数字 2 和 3 之间）。

但是我得到的 $var2 等于 $file_name。我该如何更改我的 sed 命令？

答案1

支持的正则表达式类型sed不允许与 进行非贪婪匹配*。

您想要获得第三个_分隔字段。这是最简单的方法cut：

cut -d '_' -f 3

或者，与awk：

awk -F '_' '{ print $3 }'

或者，在 shell 中，连续删除前两个此类字段，然后修剪末尾：

str=${file_name#*_}
str=${str#*_}
str=${str%%_*}

"$str"就是the最后这个词。使用最后一个变体可能是这三种方法中最快、最可靠的方法。

变量替换${variable#*_}将产生一个字符串，该字符串的$variable前导位直到并包括第一个下划线被删除。将${variable%%_*}删除从第一个下划线到结尾的所有内容$variable。这些是标准变量替换。

在文件名上使用变量替换的好处是它可以处理包含换行符的文件名，而 或awk或sed都cut不会。一般来说，不要对文件名使用面向行的文本编辑工具。

此外，您正在使用echo $file_name.由于$file_name未加引号，因此它将经历单词分割（默认情况下，在也是空格、制表符和换行符的每个字符上$IFS），并且生成的单词（如果它们包含文件名通配字符）将与当前目录中的文件名进行匹配通过外壳。文件名中的反斜杠也可能会消失或产生不需要的效果（即使您引用扩展名）。当未加引号时，shellksh还会对 的值进行大括号扩展。$file_name

答案2

首先要注意的sed是文本默认情况下一次只处理一行的实用程序，而文件名可以包含任何字符（包括换行符）甚至非字符（可以是非字符）文本）。

还，不加引号的变量有非常特殊的含义，你几乎不想这样做，这也是潜在非常危险。

还，你不能用来echo输出任意数据，printf而是使用。

另外，类似 Bourne 的 shell 中的变量赋值语法是：var=value，而不是$var=value。

echo您可以使用以下命令将（或更好的是printf）的整个输出加载到sed的模式空间中：

printf '%s\n' "$filename" | sed -e :1 -e '$!{N;b1' -e '}'

然后，您可以添加代码来提取第二个和第三个之间的部分_：

var2=$(
  printf '%s\n' "$filename" |
   sed -ne :1 -e '$!{N;b1' -e '}' -e 's/^\([^_]*_\)\{2\}\([^_]*\)_.*/\2/p'
)

非贪婪部分是通过使用[^_]*（一系列非_字符）来解决的，这与.*保证我们不匹配过去的_边界相反（尽管在许多实现中它仍然会被非字符阻塞）。

在这种情况下，您可以改用 shell 参数扩展运算符：

case $filename in
  (*_*_*_*) var2=${filename#*_*_}; var2=${var2%%_*};;
  (*)       var2=;;
esac

如果文件名不是文本或者您想要提取的部分以换行符结尾（并且也会更有效），则效果会更好。

有些 shell 喜欢zsh或ksh93有更高级的运算符：

  • zsh:

    拆分_并获取第三个字段：

    var2=${"${(@s:_:)filename}"[3]}

    使用${var/pattern/replacement}和 反向引用（在这种情况下，您需要首先验证变量是否包含至少 3 个下划线，否则不会有任何替换）。

    set -o extendedglob
var2=${filename/(#b)*_*_(*)_*/$match[1]}

  • ksh93:

    var2=${filename/*_*_@(*)_*/\1}

答案3

@Kusalananda 是对的，这sed是错误的工具，你不能进行非贪婪匹配。但是您可以使用非贪婪匹配的解决方法： [^_]*将匹配任何不是的字符_

所以在你的情况下你可以这样做：

printf '%s\n' "$file_name" | sed -e 's/^[^_]*_[^_]*_\([^_]*\).*$/\1/g'

但是...对于您的用例，您应该更好地使用其他工具...

相关内容