як використовувати sed, awk або gawk для друку лише того, що відповідає?

Я бачу безліч прикладів та довідкових сторінок про те, як робити такі речі, як пошук і заміна за допомогою sed, awk або gawk.

Але в моєму випадку у мене є регулярний вираз, що я хочу зіткнутися з текстовим файлом, щоб отримати певне значення. Я не хочу займатися пошуком і заміною. Це називається з баш. Давайте скористаємося прикладом:

Приклад регулярного вираження:

.*abc([0-9]+)xyz.*

Приклад вхідного файлу:

a
b
c
abc12345xyz
a
b
c

Як це просто звучить, я не можу зрозуміти, як правильно викликати sed / awk / gawk. Що я сподівався зробити, це з мого баш сценарію:

myvalue=$( sed <...something...> input.txt )

Я спробував:

sed -e 's/.*([0-9]).*/\\1/g' example.txt # extracts the entire input file
sed -n 's/.*([0-9]).*/\\1/g' example.txt # extracts nothing

Мій sed(Mac OS X) не працював +. Я *замість цього спробував, і я додав pтег для друку відповідності:

sed -n 's/^.*abc\([0-9]*\)xyz.*$/\1/p' example.txt

Для відповідності хоча б одному цифровому символу +я б використав:

sed -n 's/^.*abc\([0-9][0-9]*\)xyz.*$/\1/p' example.txt

Для цього можна використовувати sed

 sed -rn 's/.*abc([0-9]+)xyz.*/\1/gp'

• -n не друкуйте отриманий рядок
• -rце робить його таким чином, щоб у вас не було паролів групи захоплення ().
• \1 матч групи захоплення
• /g глобальний матч
• /p роздрукувати результат

Я написав для себе інструмент, який полегшує це

rip 'abc(\d+)xyz' '$1'

Я використовую perlдля полегшення цього для себе. напр

perl -ne 'print $1 if /.*abc([0-9]+)xyz.*/'

Це запускає Perl, -nопція вказує Perl читати в одному рядку одночасно зі STDIN та виконувати код. -eПараметр задає команду для запуску.

Інструкція виконує повторне вираження на прочитаному рядку, і якщо воно відповідає, виводить вміст першого набору дужок ( $1).

Ви можете зробити це також декількома іменами файлів в кінці. напр

perl -ne 'print $1 if /.*abc([0-9]+)xyz.*/' example1.txt example2.txt

Якщо ваша версія його grepпідтримує, ви можете скористатися -oопцією для друку лише тієї частини будь-якого рядка, яка відповідає вашому регулярному вираженню.

Якщо ні, то ось, що sedя міг би придумати:

sed -e '/[0-9]/!d' -e 's/^[^0-9]*//' -e 's/[^0-9]*$//'

... який видаляє / пропускає без цифр, а для решти рядків видаляє всі провідні та кінцеві нецифрові символи. (Я лише здогадуюсь, що ваш намір - витягнути число з кожного рядка, який містить один).

Проблема з чимось на зразок:

sed -e 's/.*\([0-9]*\).*/&/' 

.... або

sed -e 's/.*\([0-9]*\).*/\1/'

... це sedлише те, що підтримує "жадібний" матч ... так що перший. * відповідатиме решті рядка. Якщо ми не можемо використати заперечений клас символів для досягнення не жадібного збігу ... або версії sedз сумісними Perl або іншими розширеннями до його регексів, ми не можемо витягнути точну відповідність шаблону з простору шаблону (рядок ).

Ви можете використовувати awkз , match()щоб отримати доступ до захопленої групі:

$ awk 'match($0, /abc([0-9]+)xyz/, matches) {print matches[1]}' file
12345

Це намагається відповідати шаблону abc[0-9]+xyz. Якщо це зробити, він зберігає свої фрагменти в масиві matches, першим елементом якого є блок [0-9]+. Оскільки match() повертає позицію символу або індекс, звідки починається ця підрядка (1, якщо вона починається на початку рядка) , вона запускає printдію.

За допомогою нього grepможна використовувати огляд і позаду:

$ grep -oP '(?<=abc)[0-9]+(?=xyz)' file
12345

$ grep -oP 'abc\K[0-9]+(?=xyz)' file
12345

Це перевіряє шаблон , [0-9]+коли це відбувається всередині abcі xyzі просто друкує цифри.

perl - це найчистіший синтаксис, але якщо у вас немає perl (не завжди там я розумію), то єдиний спосіб використовувати gawk та компоненти регулярного виразу - це використовувати функцію gensub.

gawk '/abc[0-9]+xyz/ { print gensub(/.*([0-9]+).*/,"\\1","g"); }' < file

вихід зразкового вхідного файлу буде

12345

Примітка: gensub замінює весь регулярний вираз (між //), тому вам потрібно поставити. * До і після ([0-9] +), щоб позбутися тексту перед і після числа в підстановці.

Якщо ви хочете вибрати рядки, то викресліть біти, які вам не потрібні:

egrep 'abc[0-9]+xyz' inputFile | sed -e 's/^.*abc//' -e 's/xyz.*$//'

В основному він вибирає потрібні лінії, egrepа потім використовує sedдля викреслення бітів до і після числа.

Ви можете побачити це в дії тут:

pax> echo 'a
b
c
abc12345xyz
a
b
c' | egrep 'abc[0-9]+xyz' | sed -e 's/^.*abc//' -e 's/xyz.*$//'
12345
pax> 

Оновлення: очевидно, якщо ваша реальна ситуація є більш складною, ЗН потрібно буде мені змінити. Наприклад, якщо у вас на початку та в кінці завжди було поховано одне число у нульовому чи більше нечислових числах:

egrep '[^0-9]*[0-9]+[^0-9]*$' inputFile | sed -e 's/^[^0-9]*//' -e 's/[^0-9]*$//'

Випадок ОП не вказує, що на одному рядку може бути декілька збігів, але для трафіку Google я також додаю приклад для цього.

Оскільки ОП потребує вилучення групи з шаблону, для використання grep -oзнадобиться 2 проходи. Але я все-таки вважаю це найбільш інтуїтивним способом зробити роботу.

$ cat > example.txt <<TXT
a
b
c
abc12345xyz
a
abc23451xyz asdf abc34512xyz
c
TXT

$ cat example.txt | grep -oE 'abc([0-9]+)xyz'
abc12345xyz
abc23451xyz
abc34512xyz

$ cat example.txt | grep -oE 'abc([0-9]+)xyz' | grep -oE '[0-9]+'
12345
23451
34512

Оскільки час процесора в основному вільний, але читабельність людини безцінна, я схильний переробляти свій код на основі запитання: «Через рік, що я думаю, що це робить?» Насправді, щодо коду, яким я маю намір поділитися публічно або зі своєю командою, я навіть відкриюсь, man grepщоб зрозуміти, що таке довгі варіанти, і замінити їх. Так:grep --only-matching --extended-regexp

ви можете зробити це з оболонкою

while read -r line
do
    case "$line" in
        *abc*[0-9]*xyz* ) 
            t="${line##abc}"
            echo "num is ${t%%xyz}";;
    esac
done <"file"

Для див. Я б використовував такий сценарій:

/.*abc([0-9]+)xyz.*/ {
            print $0;
            next;
            }
            {
            /* default, do nothing */
            }

gawk '/.*abc([0-9]+)xyz.*/' file