☰

提取以特殊字符开头和结尾的内容

tag-icon • tag-icon text-processing
提取以特殊字符开头和结尾的内容

我有一个逗号分隔的文件，它不是标准的 csv 文件，如下所示：

XYZ,143,ABC/genomes/date/pa341,dog,available
567,FTR/genomes/date/ha76870,horse,waiting
214,GEN/genomes/date/btr256,N/A,avialable,stored
...

我想提取所有以“/genomes”开头的字符串，直到下一个逗号“，”字符。预期输出为：

/genomes/date/pa341
/genomes/date/ha76870
/genomes/date/btr256

我已尝试以下操作，但它打印了我不需要的额外信息：

grep -o '/genomes.*,' myfile.txt 

output:
/genomes/date/pa341,dog,
/genomes/date/ha76870,horse,
/genomes/date/btr256,N/A,stored

答案1

您的方法失败了，因为*意味着“匹配最长的可能字符串”。这称为“贪婪”修饰符。您想要“匹配最短的可能字符串”，这是一个非贪婪运算符。因此，如果您grep支持它，请使用-P启用扩展正则表达式并运行：

$ grep -Po '/genomes.*?,' file 
/genomes/date/pa341,
/genomes/date/ha76870,
/genomes/date/btr256,

然而，更好的方法是匹配,尽可能多的非字符：

$ grep -o '/genomes[^,]*' file 
/genomes/date/pa341
/genomes/date/ha76870
/genomes/date/btr256

答案2

以下是获取信息的几种方法：

$ grep -oP '/genomes((?!,).)*'  myfile.txt

$ perl -F, -pale '
     shift @F until $F[0] =~ m{/genomes.*};
     $_ = $&;
'  myfile.txt

$ perl -lne '
     my $p1 = index $_, "/genomes";
     my $p2 = index $_, ",", $p1;
    print substr $_, $p1, $p2-$p1;
' myfile.txt

$ sed -ne '
     /\n/!s|/genomes|\n&|
    y/,/\n/
   /^\/genomes/!D;P
' myfile.txt

结果：

/genomes/date/pa341
/genomes/date/ha76870
/genomes/date/btr256

相关内容