☰

隔离特定模式后的子字符串

tag-icon • tag-icon shell-script text-processing
隔离特定模式后的子字符串

我在文件中有一行是这样的：

<TD><TR> monogram ended in 1 </TD></TR>

monogram ended in始终是常数，但不是1，该数字始终变化并且最多可以是 3 位数字。

所以我需要一个命令来搜索monogram ended in并获取该字符串后面的数字。

有人能帮我一下吗。

答案1

你可以sed这样使用：

sed -n 's/.*monogram ended in \([0-9]*\).*/\1/p' filename
  • 使用-n，您可以抑制正常输出
  • ubstitute命令s将整行（.*开头和结尾）替换为\1，这是里面的部分\(\)，即数字
  • 该p标志打印匹配中的替换

答案2

grep 的 GNU 实现有一个-P选项，它启用一组被描述为“Perl 兼容正则表达式”的正则表达式。这些有\K，可用于按照您想要的方式减少输出：

grep -Po 'monogram ended in \K\d+' filename
  • 该-P选项启用 Perl 风格的正则表达式
  • 该-o选项告诉 grep 仅输出该行的匹配部分（而不是整行）
  • 正则表达式与您描述的行匹配，即“以”结尾的字母组合，后跟数字
  • 该\K表达式告诉 grep 使用整个正则表达式来匹配该行，但只写出该表达式后面的部分\K
  • 表达式\d+匹配一个或多个数字

我上面的示例并不将匹配限制为三个连续数字。如果您想这样做，最有效的表达式是：

grep -Po 'monogram ended in \K\d{1,3}(?!\d)' filename
  • 表达式\d{1,3}匹配一位、两位或三位连续数字
  • 该(?!\d)表达式查看数字后面的位置以确保它不是数字（可能是字符，也可能是行尾），确保具有 4 个以上连续数字的行不会被匹配

答案3

使用乐（以前称为 Perl_6）

raku -ne 'put $/ if m/ <?after "monogram ended in" \s > \d+ /;'

如果您需要处理 Unicode 字符（内置强大的 Unicode 支持），Raku 是一个不错的选择。上面的打印$/（Raku 的匹配变量，或者$<>）。该代码使用零宽度正向回顾断言 ( <?after … >)，假设每行匹配一个，并删除不匹配的行。

如果您想要未找到匹配项的空行，请使用以下代码：

raku -ne 'if m/ <?after "monogram ended in" \s > \d+ / {put $/} else {put ""};'

您可以使用 Raku 的正则表达式量词来限制匹配数字的范围**，例如：\d**1..3or<digits>**1..3只会返回长度为 1 到 3 位数字的匹配项。但由于行是从左到右读取的，因此数字超过 3 位的匹配行将在右端被截断。因此，简单地添加量词可能不会给您预期的结果：要正确执行此操作，您必须在右端添加一个非数字正则表达式原子：

raku -ne 'put $<> if m/ <?after "monogram ended in " > <digit>**1..3 <!digit> /;'

输入示例：

<TD><TR> monogram ended in 1 </TD></TR>
<TD><TR> duogram ended in 2 </TD></TR>
<TD><TR> monogram ended in 4444 </TD></TR>

示例输出（最终代码示例）：1

https://raku.org

答案4

假设输入是 XML 并且节点以正确的方式排序，如下所示

<?xml version="1.0"?>
<root>
  <TR>
    <TD>monogram ended in 1</TD>
  </TR>
</root>

（在问题中交换了TR和节点的开始标签），然后我们可以使用 XML 解析器来提取在作为节点的子节点的任何节点之后出现的值的部分，如下所示：TDxmlstarletmonogram ended inTDTR

xmlstarlet sel --template \
    --match    '//TR/TD[starts-with(text(),"monogram ended in ")]' \
    --value-of 'substring-after(text(),"monogram ended in ")' -nl file.xml

TD对于作为节点的直接子节点TR且具有以字符串开头的值的每个节点monogram ended in，这会提取该字符串后面的文本，然后添加换行符。

对于这样的示例文档：

<?xml version="1.0"?>
<root>
  <TR>
    <TD>monogram ended in 1</TD>
    <TD>monogram ended in 2</TD>
    <TD>monogram ended in 3</TD>
  </TR>
  <TR>
    <TD>monogram ended in A</TD>
    <TD>monogram ended in B</TD>
    <TD>monogram ended in C</TD>
  </TR>
</root>

...该命令将输出

1
2
3
A
B
C

相关内容