从Grep RegEx捕获组

我在sh（Mac OSX 10.6）中有了这个小脚本，可以查看文件数组。Google现已停止提供帮助：

files="*.jpg"
for f in $files
    do
        echo $f | grep -oEi '[0-9]+_([a-z]+)_[0-9a-z]*'
        name=$?
        echo $name
    done

到目前为止（显然，对于您的shell专家来说）$name仅保留0、1或2，具体取决于是否grep发现文件名与提供的文件匹配。我想要的是捕获内部的内容([a-z]+)并将其存储到变量中。

如果可能的话，我只想使用grep。如果没有，请不要使用Python或Perl等sed类似的东西–我是Shell的新手，并且希望从* nix纯粹主义者的角度进行攻击。

另外，作为超酷的bonu，我很好奇如何在shell中连接字符串？我捕获的组是$ name中存储的字符串“ somename”，我想在其末尾添加字符串“ .jpg” cat $name '.jpg'吗？

如果有时间，请解释发生了什么。

如果您使用的是Bash，则甚至不必使用grep：

files="*.jpg"
regex="[0-9]+_([a-z]+)_[0-9a-z]*"
for f in $files    # unquoted in order to allow the glob to expand
do
    if [[ $f =~ $regex ]]
    then
        name="${BASH_REMATCH[1]}"
        echo "${name}.jpg"    # concatenate strings
        name="${name}.jpg"    # same thing stored in a variable
    else
        echo "$f doesn't match" >&2 # this could get noisy if there are a lot of non-matching files
    fi
done

最好将正则表达式放在变量中。如果按字面意义包含某些模式，将无法使用。

这使用的 =~是Bash的正则表达式匹配运算符。匹配结果将保存到名为的数组中$BASH_REMATCH。第一个捕获组存储在索引1中，第二个（如果有）存储在索引2中，依此类推。索引零是完全匹配项。

您应该意识到，没有锚，此正则表达式（以及使用的正则表达式grep）将匹配以下任何示例以及更多示例，而这些可能并不是您想要的：

123_abc_d4e5
xyz123_abc_d4e5
123_abc_d4e5.xyz
xyz123_abc_d4e5.xyz

为了消除第二个和第四个示例，使正则表达式如下所示：

^[0-9]+_([a-z]+)_[0-9a-z]*

表示字符串必须以一个或多个数字开头。克拉代表弦的开头。如果在正则表达式的末尾添加美元符号，如下所示：

^[0-9]+_([a-z]+)_[0-9a-z]*$

那么第三个示例也将被删除，因为该点不在正则表达式中，并且美元符号表示字符串的结尾。请注意，第四个示例也未能通过此匹配。

如果您使用的是GNU grep（大约2.5或更高版本，我想\K是在添加运算符时）：

name=$(echo "$f" | grep -Po '(?i)[0-9]+_\K[a-z]+(?=_[0-9a-z]*)').jpg

的\K操作者（可变长度向后看）导致前述图案匹配，但不包括在结果中的匹配。固定长度等效项是(?<=)-模式将包含在右括号之前。\K如果量词可以匹配不同长度的字符串（例如，，）+，则必须使用。*{2,4}

所述(?=)操作者匹配固定的或可变长度的模式和被称为“先行”。它也不在结果中包含匹配的字符串。

为了使匹配不区分大小写，使用了(?i)运算符。它会影响其后的模式，因此其位置很重要。

根据文件名中是否还有其他字符，可能需要调整正则表达式。您会注意到，在这种情况下，我展示了一个在捕获子字符串的同时串联一个字符串的示例。

对于pure grep，这实际上是不可能的，至少通常不是这样。

但是，如果您的模式合适，则可以grep在管道中使用多次，以首先将行缩小为已知格式，然后仅提取所需的位。（尽管工具类似，cut并且sed在此方面要好得多）。

为了争辩，假设您的模式稍微简单一些：[0-9]+_([a-z]+)_您可以这样提取：

echo $name | grep -Ei '[0-9]+_[a-z]+_' | grep -oEi '[a-z]+'

第一个grep将删除与整体样式不匹配的所有行，第二个grep（已--only-matching指定）将显示名称的alpha部分。这仅适用于该模式，因为该模式合适：“ alpha部分”足够具体以提取您想要的内容。

（此外：就我个人而言，我将使用grep+ cut来实现您所追求的：echo $name | grep {pattern} | cut -d _ -f 2。这可以cut通过在定界符上进行拆分将行解析为字段_，并仅返回字段2（字段编号从1开始））。

Unix的哲学是要有一种工具，它可以做一件事情，并做得很好，并将它们组合起来以完成不平凡的任务，因此我认为grep+ sedetc是一种更Unixy的工作方式:-)

我意识到已经为此接受了一个答案，但是从“严格的* nix纯粹主义者角度”看来，似乎合适的工具是pcregrep，但似乎尚未提及。尝试更改行：

    echo $f | grep -oEi '[0-9]+_([a-z]+)_[0-9a-z]*'
    name=$?

到以下内容：

    name=$(echo $f | pcregrep -o1 -Ei '[0-9]+_([a-z]+)_[0-9a-z]*')

仅获取捕获组的内容1。

该pcregrep工具利用了您已经使用过的所有相同语法grep，但是实现了所需的功能。

如果该参数是裸露的，则其功能-o与grep版本相同，但是它也接受中的数字参数pcregrep，该数字参数指示要显示的捕获组。

使用此解决方案，脚本中几乎不需要进行任何更改。您只需将一个模块化实用程序替换为另一个，即可调整参数。

有趣的注意：您可以使用多个-o参数按它们在行中出现的顺序返回多个捕获组。

我相信仅仅grep是不可能的

对于sed：

name=`echo $f | sed -E 's/([0-9]+_([a-z]+)_[0-9a-z]*)|.*/\2/'`

我会为红利而刺痛：

echo "$name.jpg"

这是使用gawk的解决方案。我发现我需要经常使用它，所以我为此创建了一个函数

function regex1 { gawk 'match($0,/'$1'/, ary) {print ary['${2:-'1'}']}'; }

用就做

$ echo 'hello world' | regex1 'hello\s(.*)'
world

给您的建议-您可以使用参数扩展从最后一个下划线开始删除名称的一部分，并且类似地在开始时：

f=001_abc_0za.jpg
work=${f%_*}
name=${work#*_}

然后name就会有价值abc。

请参阅Apple 开发人员文档，向前搜索“参数扩展”。

如果您有bash，则可以使用扩展的globing

shopt -s extglob
shopt -s nullglob
shopt -s nocaseglob
for file in +([0-9])_+([a-z])_+([a-z0-9]).jpg
do
   IFS="_"
   set -- $file
   echo "This is your captured output : $2"
done

要么

ls +([0-9])_+([a-z])_+([a-z0-9]).jpg | while read file
do
   IFS="_"
   set -- $file
   echo "This is your captured output : $2"
done