☰

PCRE-regex 使用 grep 排除捕获组

tag-icon • tag-icon text-processing grep regular-expression pcre
PCRE-regex 使用 grep 排除捕获组

我正在使用GNU grepPCRE-P正则表达式支持来匹配文件中的字符串。输入文件包含包含以下字符串的行：

FOO_1BAR.zoo.2.someString:More-RandomString (string here too): 0.45654343

我想捕获上面一行中的数字2和数字。0.45654343我使用了正则表达式

grep -Po ".zoo.\K[\d+](.*):\ (.*)$" file

但这给我带来的结果是

2.someString:More-RandomString (string here too): 0.45654343

我能够从第一个捕获组中获取第一个数字2，并且还可以匹配行末尾的捕获组。但我无法跳过两个捕获组之间的单词/行。

我确实知道我有一个小组(.*)正在捕捉中间的这些词。我试图做的是包含另一个\K来忽略它

grep -Po ".zoo.\K[\d+](.*):\K (.*)$" file

但这只给了我第二个捕获组作为0.556984.

还有一个非捕获组，其(?:)语法为

grep -Po ".zoo.\K[\d+](?=.someString:More-RandomString (string here too)):\ (.*)$"

但这没有给我带来什么。我在这里缺少什么？

答案1

grep的名字出现在g/re/p ed命令之后。它的主要目的是打印与正则表达式匹配的行。它的职责不是编辑这些行的内容。你有sed（流编辑器）或awk为此。

现在，grep从 GNU 开始，一些实现grep添加了一个-o选项来打印每行的匹配部分（正则表达式匹配的内容，而不是其捕获组的匹配部分）。你已经有了一些grep类似 GNU 的实现（使用-P）或者pcregrep支持 PCRE 的正则表达式。

pcregrep实际上添加了一个-o<n>选项来打印捕获组的内容。所以你可以这样做：

pcregrep -o1 -o2 --om-separator=' ' '.zoo.(\d+).*:\s+(.*)'

但在这里，明显的标准解决方案是使用sed：

sed -n 's/^.*\.zoo\.\([0-9]\{1,\}\).*:[[:space:]]\{1,\}/\1 /p'

或者，如果您想要 perl 正则表达式，请使用 perl：

perl -lne 'print "$1 $2" if /\.zoo\.(\d+).*:\s+(.*)/'

使用 GNU grep，如果您不介意匹配项出现在不同的行上，您可以这样做：

$ grep -Po '\.zoo\.\K\d+|:\s+\K.*' < file
2
0.45654343

请注意，虽然\K重置了匹配部分的开始，但这并不意味着您可以摆脱交替重叠的两个部分。

grep -Po '.zoo.(\K\d+|.：\K。)'

不起作用，就像echo foobar | grep -Po 'foo|foob'不起作用（同时打印foo和foob）。foo|foob首先匹配foo，然后grep在 后的输入中查找潜在的其他匹配项foo，因此从bof开始bar，因此之后无法找到更多匹配项。

上面的，我们只在交替的第二部分中grep -Po '\.zoo\.\K\d+|:\s+\K.*'查找。:<spaces><anything>这确实匹配后面的部分.zoo.<digits>，但这也意味着它会:<spaces><anything>在输入中的任何位置找到那些内容，而不仅仅是当它们跟随时.zoo.<digits>。

不过，有一种方法可以解决这个问题，即使用另一个 PCRE 特殊运算符：\G。\G匹配主题的开头。对于单个匹配，这相当于^，但对于多个匹配（想想中的sed/perl标志），就像 with where尝试查找行中的所有匹配，它也在上一个匹配结束后匹配。所以如果你做到了：gs/.../.../g-ogrep

grep -Po '\.zoo\.\K\d+|(?!^)\G.*:\s+\K.*'

(?!^)负前瞻运算符在哪里，这意味着不在行的开头，它\G只会在上一次成功（非空）匹配之后匹配，因此.*:\s+\K.*只有在上一次成功匹配之后才会匹配，并且只能是这个.foo.<digits>匹配，因为交替的其他部分匹配到行尾。

在这样的输入上：

.zoo.1.zoo.2 tar: blah

那会输出：

1
2
blah

尽管。如果您不希望这样，您还希望交替的第一部分仅在行的开头匹配。就像是

grep -Po '^.*?\.zoo\.\K\d+|(?!^)\G.*:\s+\K.*'

它仍然在像or 这样的2输入上输出。您可以在交替的第一部分使用前瞻运算符来解决这个问题，并在后面查找至少一个非空格（也可以用来 避免非字符问题）.zoo.2 no colon character.zoo.2 blah::<spaces>$

grep -Po '^.*?\.zoo\.\K\d+(?=.*:\s+\S.*$)|(?!^)\G.*:\s+\K\S.*$'

您可能需要几页注释来解释该正则表达式，所以我仍然会选择直接sed/perl解决方案......

相关内容