Question

每行都有一行包含多行的文件有子串

whatever_blablablalsfjlsdjf;asdfjlds;f/watch?v=yPrg-JN50sw&amp,whatever_blabla

或

whatever_blablabla"/watch?v=yPrg-JN50sw&amp" class=whatever_blablablavwhate

我想提取一个子字符串，比如上面的“yPrg-JN50s”

匹配模式是字符串“/ watch？=”

后面的11个字符

如何提取子字符串

我希望它是sed，awk在一行如果没有，pn行perl脚本也可以

Answer 1

你可以做到

grep -oP '(?<=/watch\?v=).{11}'

如果您的grep知道Perl正则表达式，或

sed 's/.*\/watch?v=\(.\{11\}\).*/\1/g'

Answer 2

$ cat file
/watch?v=yPrg-JN50sw&amp
"/watch?v=yPrg-JN50sw&amp" class=
$
$ awk 'match($0,/\/watch\?v=/) { print substr($0,RSTART+RLENGTH,11) }' file
yPrg-JN50sw
yPrg-JN50sw

Answer 3

只需使用shell的参数扩展，在“watch？v =”之后提取11个字符：

while IFS= read -r line; do
    tmp=${line##*watch?v=}
    echo ${tmp:0:11}
done < filename

Answer 4

您可以使用sed删除无关信息：

sed 's/[^=]\+=//; s/&.*$//' file

或者使用awk和敏感字段分隔符：

awk -F '[=&]' '{print $2}' file

file的内容：

cat <<EOF > file
/watch?v=yPrg-JN50sw&amp
"/watch?v=yPrg-JN50sw&amp" class=
EOF

输出：

yPrg-JN50sw
yPrg-JN50sw

编辑以满足评论中提到的新要求

cat <<EOF > file
<div id="" yt-grid-box "><div class="yt-lockup-thumbnail"><a href="/watch?v=0_NfNAL3Ffc" class="ux-thumb-wrap yt-uix-sessionlink yt-uix-contextlink contains-addto result-item-thumb" data-sessionlink="ved=CAMQwBs%3D&amp;ei=CPTsy8bhqLMCFRR0fAodowXbww%3D%3D"><span class="video-thumb ux-thumb yt-thumb-default-185 "><span class="yt-thumb-clip"><span class="yt-thumb-clip-inner"><img src="//i1.ytimg.com/vi/0_NfNAL3Ffc/mqdefault.jpg" alt="Miniature" width="185" ><span class="vertical-align"></span></span></span></span><span class="video-time">5:15</span> 
EOF

将awk与合理的记录分隔符一起使用：

awk -v RS='[=&"]' '/watch/ { getline; print }' file

注意，您应该使用适当的XML解析器来执行此类任务。

Answer 5

grep --perl-regexp --only-matching --regexp="(?<=/watch\\?=)([^&]{0,11})"

Answer 6

假设您的行具有您引用的格式，则应该可以使用。

awk '{print substr($0,10,11)}'

编辑：从另一个答案中的评论中，我猜你的线条比这更长，更复杂，在这种情况下需要更全面的东西：

gawk '{if(match($0, "/watch\\?v=(\\w+)",a)) print a[1]}'

使用sed，awk或perl从一行中提取11个字符的子字符串

6 个答案:

编辑以满足评论中提到的新要求