Question

我正在使用grep搜索包含88个字符长的MRZ（机器可读区域）的文本文件。在文本文件中，它们以分号开头。我只想从字符串中获取3-5个字符的子字符串。

这是我的模式：

egrep --include *.txt -or . -e ";[A-Z][A-Z0-9<][A-Z<]{3}"

这是一个文本文件：

text is here;P<RUSIVAN<<DEL<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<F64D123456RUS7404124F131009734P41234<<<<<<<8  ;2019-02-08

这是我的输出：

;P<RUS

这是我想要的输出：

RUS

分号介绍了MRZ。它以大写字母开头，后跟大写字母，数字或填充符<。然后跟随3位数字的国家/地区代码，其中可以包含大写字母或填充符<。

此模式工作正常，但我只想返回的是我要量化的最后3位数字。有没有办法只获取匹配模式的最后3个字符？在示例文本文件中，所需的输出为RUS。谢谢！

Answer 1

如果可以使用GNU Grep，则可以使用\K，它将不再在匹配中包含任何先前匹配的字符，然后匹配您的字符类3次：

grep -roP --include=*.txt ";[A-Z][A-Z0-9<]\K[A-Z<]{3}"

Answer 2

这就是您要尝试的全部吗？

$ awk -F';' '{print substr($2,3,3)}' file
RUS

$ sed -E 's/[^;]*;..(.{3}).*/\1/' file
RUS

否则，请编辑您的问题以提供更真实的示例输入/输出。

用于查找的UNIX命令名为find，顺便说一句，而不是grep。我知道GNU伙计们添加了很多选项来查找要grep的文件，但是不要使用它们，因为它们会使您的grep命令不必要地复杂（并且与其他UNIX文本处理工具不一致），因为它随后需要{{1 }}文件以及文件中的find。因此，如果您使用的是grep，则您的命令行应为：

g/re/p

不是：

find . -name '*.txt' -exec grep 'stuff' {} +

并对其他任何工具执行相同操作：

egrep --include *.txt -or . -e 'stuff'

正则表达式返回匹配模式的后3个字符

2 个答案: