☰

Grep 双引号和单引号内的字符串

tag-icon • tag-icon shell grep perl
Grep 双引号和单引号内的字符串

我想在文本文件中找到双引号或单引号内的字符串（文本文件是多行），

例如：

I have a 
test "foo bar1" test2 "foo\"bar2", 
"foo 'bar3", 
'foo bar4', 'foo \'bar5', 'foo "bar6',

它将输出

foo bar1
foo\"bar2
foo 'bar3
foo bar4
foo \'bar5
foo "bar6

难点是：

  1. 文本文件是多行的。
  2. 它可能在引号内转义了双引号或单引号。
  3. 双引号内可以有单引号。
  4. 单引号里面可以有双引号。
  5. 引号必须成对匹配。

答案1

我们可以使用 Perl 的匹配时间代码插值功能(??{ match time regex })来解决这个问题。本质上，它的作用是，根据匹配的引用，将相应的有效正则表达式放置在该引用中，以便正则表达式引擎将捕获该引用对。

$ perl -lne '
    print substr($&, 1, -2+length($&))
      while
         /(?:(["'\''])(??{q<(?:[^\\\\>.$1.q<]|\\\\.)*>.$1}))/gx;
' file

结果：

foo bar1
foo\"bar2
foo 'bar3
foo bar4
foo \'bar5
foo "bar6

上面的更平滑的重写如下：

$ perl -lne '
    BEGIN {
       $genRE = sub {
          my $openingQ = shift;
          # look in the Notes below for why
          qq<(?:[^\\\\${openingQ}]|\\\\.)*>
       };
    }
    print $2
      while 
        /
         (["'\''])               (?#: opening quote) 
          ((??{ $genRE->($1) })) (?#: run of in between quote pair stuff) 
         \1                      (?#: corresponding closing quote)
        /gx;
' file

笔记：：

  • "........"匹配的是/"[^"]*"/
  • "...... \"......"匹配的是/"(?:[^\\"]|\\.)*"/
  • 单引号也类似。

答案2

另一种perl方法：

perl -lne 'print $2 while m{(["'\''])((?:\\.|(?!\1).)*+)\1}g'

这里使用负向前看运算符来(?!\1).匹配除第一个捕获组所匹配的字符之外的字符。您还可以简单地分别覆盖'...'和"..."案例：

perl -lne 'print $1 while m{(?|"((?:\\.|[^"])*+)"|'"'((?:\\\.|[^'])*+)')}g"

答案3

这是困难的。我没有解决办法。我什至不确定完成这项任务的最佳工具是什么。

我已经接近了：

$ grep -oP '((?<!\\)"\K.*?(?=(?<!\\)"))|'"((?<!\\\\)'\K.*?(?=(?<!\\\\)'))" input

foo bar1
foo\"bar2
foo 'bar3
foo bar4
, 
foo \'bar5
, 
foo "bar6

每行多个匹配的问题在于，较早字符串的结束引号与中间文本的起始引号相匹配。我不能用偶数个引号的正后视来阻止它，因为后视必须具有固定的长度。至少对于grep.

'此外，至少可以说，内部的几个匹配"（或相反）很有趣。

也许awk是更好的工具。有了它，您可以检查哪种引用类型最先出现，跳到下一个并检查它前面是否有反斜杠。

相关内容