使用 sed 在每行开头捕获不同长度的数字

Question 1

有时，以不同的方式看待问题可以得出更简单的答案。

您将其视为“我想保留 : 之前的所有数字”，这是完全合理的。另一种看待它的方式可能是“我想扔掉从 : 到结尾的所有内容”。

这导致

s/:.*//

作为 sed 命令。

例如

$ cat x
12345:ABCDEFG
789:HIJK
4963158:LMNOPQRSTUV

$ sed 's/:.*//' x
12345
789
4963158

Answer

有时，以不同的方式看待问题可以得出更简单的答案。

您将其视为“我想保留 : 之前的所有数字”，这是完全合理的。另一种看待它的方式可能是“我想扔掉从 : 到结尾的所有内容”。

这导致

s/:.*//

作为 sed 命令。

例如

$ cat x
12345:ABCDEFG
789:HIJK
4963158:LMNOPQRSTUV

$ sed 's/:.*//' x
12345
789
4963158

Question 2

如果要点是返回:每行第一行剩下的内容，那么只需执行以下操作：

<your-file cut -d: -f1

添加该-s选项将跳过不包含任何:.

:要返回由 1 个或多个 ASCII 数字后跟一个或多个 ASCII 大写字母组成的行中剩下的内容，并丢弃与:该模式不匹配的任何行，您可以使用sed// awk：perl

<your-file sed -n '^\([0123456789]\{1,\}\):[ABCDEFGHIJKLMNOPQRSTUVWXYZ]\{1,\}$/\1/p'

或者：

<your-file LC_ALL=C sed -n 's/^\([0-9]\{1,\}\):[A-Z]\{1,\}$/\1/p'

（C区域设置是唯一保证这些[0-9],[A-Z]范围等于第一个命令中的显式集的区域设置）。

或者，如果您sed支持扩展正则表达式-E的选项E（从 70 年代而不是 60 年代开始扩展，尽管sed实现直到 90 年代末才开始添加对它们的支持）：

<your-file LC_ALL=C sed -nE 's/^([0-9]+):[A-Z]+$/\1/p'

或者使用perl（使用 80 年代的正则表达式）：

<your-file perl -lne 'print $1 if /^(\d+):[A-Z]+$/'

pcregrep是一个grep使用perl类似正则表达式并支持-o<n>输出第一个n^捕获组的实现：

<your-file pcregrep -xo1 '(\d+):[A-Z]+'

有些grep实现也有一个-o选项，但仅输出整个匹配，但有些支持-P使用类似 perl 的正则表达式，您可以使用环视运算符来检查内容，而不将它们包含在匹配中：

<your-file grep -Po '^(\d+)(?=:[A-Z]+$)'

它匹配行开头的 1 个或多个数字序列，前提是它后面跟着(?=...)、:1 个或多个[A-Z]s （在 perl 正则表达式中不区分区域设置，因此LC_ALL=C没有必要），然后是结尾的线。

^{公平地说，从那时起它们都在不断发展，特别是对于 Perl 而言。 70 年代末的 ERE 添加了+, ?and |（更重要的是一种用于匹配的新算法），但丢失了\x反向引用。\{min,max\}在 80 年代后期被添加到 BRE（因此可以执行与+和相同的操作?），{min,max}后来再次添加到 ERE，但并不总是如此，因为这破坏了向后兼容性。 POSIX 引入了一些[[:class:]], [[=x=]], [[.x.]]（为了更好或更有价值）。 BRE/ERE 的某些实现都有非标准扩展，包括一些来自perl或\d的扩展*?。}

Answer

如果要点是返回:每行第一行剩下的内容，那么只需执行以下操作：

<your-file cut -d: -f1

添加该-s选项将跳过不包含任何:.

:要返回由 1 个或多个 ASCII 数字后跟一个或多个 ASCII 大写字母组成的行中剩下的内容，并丢弃与:该模式不匹配的任何行，您可以使用sed// awk：perl

<your-file sed -n '^\([0123456789]\{1,\}\):[ABCDEFGHIJKLMNOPQRSTUVWXYZ]\{1,\}$/\1/p'

或者：

<your-file LC_ALL=C sed -n 's/^\([0-9]\{1,\}\):[A-Z]\{1,\}$/\1/p'

（C区域设置是唯一保证这些[0-9],[A-Z]范围等于第一个命令中的显式集的区域设置）。

或者，如果您sed支持扩展正则表达式-E的选项E（从 70 年代而不是 60 年代开始扩展，尽管sed实现直到 90 年代末才开始添加对它们的支持）：

<your-file LC_ALL=C sed -nE 's/^([0-9]+):[A-Z]+$/\1/p'

或者使用perl（使用 80 年代的正则表达式）：

<your-file perl -lne 'print $1 if /^(\d+):[A-Z]+$/'

pcregrep是一个grep使用perl类似正则表达式并支持-o<n>输出第一个n^捕获组的实现：

<your-file pcregrep -xo1 '(\d+):[A-Z]+'

有些grep实现也有一个-o选项，但仅输出整个匹配，但有些支持-P使用类似 perl 的正则表达式，您可以使用环视运算符来检查内容，而不将它们包含在匹配中：

<your-file grep -Po '^(\d+)(?=:[A-Z]+$)'

它匹配行开头的 1 个或多个数字序列，前提是它后面跟着(?=...)、:1 个或多个[A-Z]s （在 perl 正则表达式中不区分区域设置，因此LC_ALL=C没有必要），然后是结尾的线。

^{公平地说，从那时起它们都在不断发展，特别是对于 Perl 而言。 70 年代末的 ERE 添加了+, ?and |（更重要的是一种用于匹配的新算法），但丢失了\x反向引用。\{min,max\}在 80 年代后期被添加到 BRE（因此可以执行与+和相同的操作?），{min,max}后来再次添加到 ERE，但并不总是如此，因为这破坏了向后兼容性。 POSIX 引入了一些[[:class:]], [[=x=]], [[.x.]]（为了更好或更有价值）。 BRE/ERE 的某些实现都有非标准扩展，包括一些来自perl或\d的扩展*?。}

Question 3

尝试这个：

sed -E 's/([0-9]+):[A-Z]+/\1/' example.txt

与-E相同-r，但现在更标准一些。

正则表达式中的问题是您在开头使用负括号表达式 ( [^0-9])，然后匹配文字d字符。

我还删除了额外的捕获组，因为不需要它们。

总的来说，非常努力！你们真的很亲密。这些是您在开始使用正则表达式时遇到的问题。

Answer

尝试这个：

sed -E 's/([0-9]+):[A-Z]+/\1/' example.txt

与-E相同-r，但现在更标准一些。

正则表达式中的问题是您在开头使用负括号表达式 ( [^0-9])，然后匹配文字d字符。

我还删除了额外的捕获组，因为不需要它们。

总的来说，非常努力！你们真的很亲密。这些是您在开始使用正则表达式时遇到的问题。

Question 4

使用乐（以前称为 Perl_6）

~$ raku -pe 's/^ (\d+) \: .* $/$0/;'  file

#OR

~$ raku -pe 's/^ \d+ <( \: .* $//;'  file

如果您查看许多不同的正则表达式实现，它可以帮助您发现共同的主题。对于 Perl 和 Raku，-pe命令行标志提供sed类似行为，在每行上运行代码并自动打印。

上面的第一个 Raku 示例捕获^字符串开头\d+数字（一个或多个），后跟:冒号（反斜杠转义）和.*任何字符零次或多次，直到$字符串结尾（即线）。 Raku 捕获从开始$0，捕获到的数字$0用于替换一半来s///替换整个匹配对象（即整行）。

上面的第二个 Raku 示例采用相反的方法：它匹配^字符串开头\d+数字（一个或多个），后跟:冒号（反斜杠转义）和.*任何字符零次或多次，直到$字符串结尾（即行）。然而，<(“捕获标记”告诉 Raku 的正则表达式引擎从匹配对象中删除前面的\d+数字，只保留后面的数字。在替换中，匹配对象中剩余的所有内容都将被删除（替换为任何内容），因此仅\d+保留字符串开头的数字。

https://docs.raku.org/language/regexes#Capture_markers:_%3C(_)%3E
https://docs.raku.org/language/regexes
https://raku.org

Answer