☰

正则表达式匹配任意长度不确定的文本组合

tag-icon • tag-icon linux regex grep sed awk
正则表达式匹配任意长度不确定的文本组合

Windows SyncToy 日志文件包含几千行格式的内容：

xxx...C:\zzz。xxx...

和

xxx...zzz\.xxx...

其中 xxx 可以是包含任何可打印字符（包括空格和/或空白）的字符串

并且 zzz 可以是包含任何可打印字符的字符串，包括空格、反斜杠、数字、字母（任何大小写），。字符、下划线、长破折号、en 破折号

每行总是包含一个字符串 zzz。如上所示，它可能以字符 C:\ 开头，后跟一个长度不确定的字符串（但我们假设最大长度为 256 个字符），并以。字符；但它可能并不总是以 C:\ 开头，而可能只是以一些可打印字符开头。

zzz 总是从第 41 个字符（列）开始

您会发现，C:\zzz. 遵循 Windows（确切地说是 Windows 7）下文件的绝对路径名模式，尾部带有。字符，但并不总是终止反斜杠。

因此，典型的一行是：

Error: Cannot read from the source file Error: Cannot read from the source file AppData\Roaming\Microsoft\Crypto\RSA\S-1-5-21-981944830-553675151-235582288-1001\. Access is denied. (Exception from HRESULT: 0x80070005 (E_ACCESSDENIED))

另一个可能是：

Error: Cannot read from the source file C:\Users\zamenhof\AppData\Local\Microsoft\Windows\Explorer\thumbcache_256.db. The process cannot access the file because it is being used by another process. (Exception from HRESULT: 0x80070020) Copying C:\Users\zamenhof\AppData\Local\Microsoft\Windows\Explorer\thumbcache_256.db to G:\gc\Users\zamenhof\AppData\Local\Microsoft\Windows\Explorer\thumbcache_256.db

我的要求是从每一行中提取每个完整路径名。因此，在上面的第一个例子中，我希望的输出是

AppData\Roaming\Microsoft\Crypto\RSA\S-1-5-21-981944830-553675151-235582288-1001\.

第二部分：

C:\Users\zamenhof\AppData\Local\Microsoft\Windows\Explorer\thumbcache_256.db.

显然，我可以从每行中删去前 40 个字符，但这仍然会给我留下一个长度不确定的字符串，并且可能包含空格、字母数字中的任意或全部，。字符、下划线和反斜杠。

我熟悉简单的正则表达式，但我找不到构建我需要使用 grep（或 sed 或 awk 或任何最合适的工具）来提取我想要的字符串的方法。

这些文件来自 Win7，但可能会在 Linux 中进行操作。扩展的正则表达式工具可用。

如果有比使用 Linux 文本工具和正则表达式更简单的方法来处理这个问题，我也会很乐意去跟进。

答案1

[^\\]* (\S*\\\S*)

使用这个正则表达式，文本中突出显示的部分将被捕获到第一组中。

错误：无法从源文件读取 错误：无法从源文件读取应用程序数据\漫游\微软\加密\RSA\S-1-5-21-981944830-553675151-235582288-1001。访问被拒绝。（来自 HRESULT 的异常：0x80070005 (E_ACCESSDENIED)）

错误：无法读取源文件C:\Users\zamenhof\AppData\Local\Microsoft\Windows\Explorer\thumbcache_256.db。该进程无法访问该文件，因为该文件正在被另一个进程使用。（来自 HRESULT 的异常：0x80070020）将 C:\Users\zamenhof\AppData\Local\Microsoft\Windows\Explorer\thumbcache_256.db 复制到 G:\gc\Users\zamenhof\AppData\Local\Microsoft\Windows\Explorer\thumbcache_256.db

解释：（或多或少从 regex101.com 复制/粘贴）

[^\\]* Match zero or more characters, excluding the backslash
\\ matches the character \ literally
* Quantifier — Matches between zero and unlimited times, as many times as possible

(space) matches the character (space) literally

1st Capturing Group (\S*\\\S*)
\S* matches any non-whitespace character
* Quantifier — Matches between zero and unlimited times, as many times as possible
\\ matches the character \ literally
\S* matches any non-whitespace character
* Quantifier — Matches between zero and unlimited times, as many times as possible

学习：要尝试使用正则表达式，您可以利用以下网站regex101.com或者regexr.com。

工具：您没有提到要使用哪些工具，但这里有一个perl示例：

perl -lane 'print $1 if /[^\\]* (\S*\\\S*)/' file.txt

相关内容