☰

可选组从不匹配

tag-icon • tag-icon sed regular-expression
可选组从不匹配

以下是我正在努力解决的问题的简化版本。我有这个文件：

1 H 200 OK.Content-Length: 2422 x
2 H 403 Forbidden.z

我尝试让 sed 匹配 HTTP 状态和 - 如果存在 - 内容长度，如下所示：

> sed -nEe 's,^.*H ([ 0-9a-zA-Z]+).*(Content-Length: ([0-9]+))?.*$,\1 \3,p' x
200 OK 
403 Forbidden

所以可选组永远不会匹配。如果我通过删除问号将其设为非可选，它确实会匹配内容长度，但不会匹配没有问号的行：

> sed -nEe 's,^.*H ([ 0-9a-zA-Z]+).*(Content-Length: ([0-9]+)).*$,\1 \3,p' x
200 OK 2422

我怎样才能让 sed 给出以下输出？

200 OK 2422 
403 Forbidden

NB 我也尝试了perl，它支持惰性匹配（.*?），但没有成功：

> perl -pe 's,^.*H ([ 0-9a-zA-Z]+).*?(Content-Length: ([0-9]+))?.*?$,\1 \3,' x
200 OK 
403 Forbidden

答案1

由于该(Content....)组是可选的，在贪婪版本中，反对：

1 H 200 OK.Content-Length: 2422 x

^.*H ([ 0-9a-zA-Z]+)matches 1 H (200 OK)，然后.*匹配到末尾，并且(Content-Length: ([0-9]+))?next.*都匹配行末尾的空字符串。

在非贪婪版本中，第一个.*?尝试尽可能少地匹配，但这没什么，因为该行的其余部分 ( .Content-Length: 2422 x) 确实匹配，(Content-Length: ([0-9]+))?后面的所有内容都没有，.*?$直到该行末尾。

您需要确保 .*第一次捕获后的第一个不会滚动 a Content-Length: \d+，例如在每个步骤中使用一些负面的前瞻：

perl -lne 'print if
 s/^.*?H ([\s\w]+)(?:(?!Content-Length: \d+).)*(?:Content-Length: (\d+))?.*$/\1\2/'

虽然你可以简单地这样做：

perl -lne '
  if (/H\s+([\s\w]+)(.*)/) {
    my $status = $1;
    print "$status" . ($2 =~ /Content-Length: (\d+)/ && " $1");
  }'

或者：

sed -nE 's/^.*H[[:space:]]+([[:space:][:alnum:]]+).*Content-Length: ([[:digit:]]+).*$/\1 \2/p;t
         s/^.*H[[:space:]]+([[:space:][:alnum:]]+).*$/\1/p'

也就是说，不要尝试通过一次替换来完成它。

答案2

在 sed 正则表达式中是贪婪的。您.*之前Content-Length:已经将所有剩余字符匹配到最后。如果您知道状态和长度之间只有一个点，请\.改为使用。

sed -r 's/^[0-9]+[ \t]+H[ \t]+([0-9]+[ \t]+[A-Za-z]+)\.(Content-Length:)?([ \t]+[0-9]+)?.*/\1\3/' file

单行语句很好，但 sed 也有//：类似 if 的语句。使用 运行下面的脚本sed -rf script file。

s/^[0-9]+[ \t]+H[ \t]+([0-9]+[ \t]+[A-Za-z]+)/\1\n/
/\n.*Content-Length:([ \t]+[0-9]+).*/ s//\1\n/
s:\n.*::

由于 sed 默认情况下一次仅从文件中读取一行，\n因此无法从数据中显示。因此，它可以安全地用作临时分隔符。

相关内容