如何使用grep，regex或perl按照模式提取字符串

90

我有一个看起来像这样的文件：

    <table name="content_analyzer" primary-key="id">
      <type="global" />
    </table>
    <table name="content_analyzer2" primary-key="id">
      <type="global" />
    </table>
    <table name="content_analyzer_items" primary-key="id">
      <type="global" />
    </table>

我需要的是遵循引号中提取任何东西name=，即content_analyzer，content_analyzer2和content_analyzer_items。

我在Linux机器上执行此操作，因此使用sed，perl，grep或bash的解决方案很好。

— 牧马人
source

5

不必害羞，欢迎来到这里！

— Benoit

8

我觉得不链接到stackoverflow.com/questions/1732348/…

— ChristofferHammarström

感谢大家的有用评论。对于XML格式不正确，我深表歉意。为了简化起见，我删除了一些标签。

— wrangler

167

由于您需要匹配内容而不将其包含在结果中（必须匹配，name=" 但不是期望结果的一部分），因此需要某种形式的零宽度匹配或组捕获。使用以下工具可以轻松完成此操作：

佩尔

使用Perl，您可以使用n 选项逐行循环并在匹配的情况下打印捕获组的内容：

perl -ne 'print "$1\n" if /name="(.*?)"/' filename

GNU grep

如果您具有改进的grep版本，例如GNU grep，则可能有-P可用的选项。此选项将启用类似Perl的正则表达式，从而使您可以使用\K它。它将重置匹配位置，因此零宽度之前的任何内容。

grep -Po 'name="\K.*?(?=")' filename

该o 选项使grep仅打印匹配的文本，而不打印整个行。

Vim-文本编辑器

另一种方法是直接使用文本编辑器。使用Vim，完成此操作的各种方法之一是删除没有的行 name=，然后从结果行中提取内容：

:v/.*name="\v([^"]+).*/d|%s//\1

标准grep

如果由于某种原因您无权使用这些工具，则可以使用标准grep实现类似的操作。但是，如果不四处看看，稍后将需要进行一些清理：

grep -o 'name="[^"]*"' filename

关于保存结果的说明

在以上所有命令中，结果将发送至stdout。重要的是要记住，您始终可以通过以下方式将它们通过管道传递到文件中来保存它们：

> result

到命令末尾。

— 西迪尔
source

12

环顾四周（在GNU中grep）：grep -Po '.*name="\K.*?(?=".*)'

— 已暂停，直到另行通知。

@丹尼斯·威廉姆森，太好了。我相应地更新了答案，但.*撇开它们，希望您不要生我的气。我想问一下，与“除"”以外的其他内容相比，贪婪的匹配有什么好处吗？不要以为这是一场战斗，我只是好奇，而且我不是正则表达式专家。另外，\K小费，真的很好。谢谢丹尼斯。

— sidyll '02

2

我为什么会生气？没有.*，您可以做grep -Po '(?<=name=").*?(?=")'。该\K可用于速记，但实际上它仅需要如果匹配到它的左边是可变长度。在这种情况下，使用环顾四周的原因非常明显。Ungreedy操作看起来有点整洁（[^"]*对.*?，你不必重复锚角色，我不知道速度在很大程度上取决于上下文，我想我希望这是有帮助的。。

— 暂停，直至另行通知。

@丹尼斯·威廉姆森：当然，先生，这里有很多有用的信息。我认为我保留\K（研究后）并删除的原因.*是相同的：使其看起来更漂亮（更简单）。而且我从未想过要使用.*?从某个地方学到的“传统方式”来代替。但是这里的不贪心确实是有道理的。谢谢丹尼斯，最良好的祝愿。

— sidyll'2

+1用于描述命令。如果您可以更新答案以解释正则表达式的“ [...]”部分，将不胜感激。

— 2014年

5

正则表达式为：

.+name="([^"]+)"

则分组将在\ 1中

— 马特·谢弗（Matt Shaver）
source

5

如果您使用的是Perl，请下载一个模块来解析XML：XML :: Simple，XML :: Twig或XML :: LibXML。不要重新发明轮子。

— 肖恩·科里
source

3

注意，OP给出的示例格式不正确（<type="global"例如），因此大多数XML解析器只会抱怨而死。

— bvr

5

为此，应使用HTML解析器而不是正则表达式。使用以下内容的Perl程序HTML::TreeBuilder：

程序

#!/usr/bin/env perl

use strict;
use warnings;

use HTML::TreeBuilder;

my $tree = HTML::TreeBuilder->new_from_file( \*DATA );
my @elements = $tree->look_down(
    sub { defined $_[0]->attr('name') }
);

for (@elements) {
    print $_->attr('name'), "\n";
}

__DATA__
<table name="content_analyzer" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
  <type="global" />
</table>

输出量

content_analyzer
content_analyzer2
content_analyzer_items

— 艾伦·哈盖·阿拉维
source

2

这可以做到：

perl -ne 'if(m/name="(.*?)"/){ print $1 . "\n"; }'

— 贝诺伊特
source

2

这是使用HTML整洁和xmlstarlet的解决方案：

htmlstr='
<table name="content_analyzer" primary-key="id">
<type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
<type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
<type="global" />
</table>
'

echo "$htmlstr" | tidy -q -c -wrap 0 -numeric -asxml -utf8 --merge-divs yes --merge-spans yes 2>/dev/null |
sed '/type="global"/d' |
xmlstarlet sel -N x="http://www.w3.org/1999/xhtml" -T -t -m "//x:table" -v '@name' -n

— 米特玛
source

1

糟糕，sed命令必须先于整洁的命令：

echo "$htmlstr" | 
sed '/type="global"/d' |
tidy -q -c -wrap 0 -numeric -asxml -utf8 --merge-divs yes --merge-spans yes 2>/dev/null |
xmlstarlet sel -N x="http://www.w3.org/1999/xhtml" -T -t -m "//x:table" -v '@name' -n

— 米特玛
source

0

如果xml（或一般而言，文本）的结构是固定的，则最简单的方法是使用cut。对于您的具体情况：

echo '<table name="content_analyzer" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
  <type="global" />
</table>' | grep name= | cut -f2 -d '"'

— 卡洛斯·林多多（Carlos Lindado）
source