Question

我不知道如何问这个问题所以请耐心等待。我有一个（大多数）alpha-numerics列表，它在一个巨大的XML中绘制数字，我正在调整一个模式。似乎没有关于如何创建它们的标准，所以我正在尝试为它们创建一个XSD正则表达式模式以进行验证。通常情况下，我只是磨它们，但在这种情况下，它们有数百个。我想要做的是将它们分离为图形编号的每个类型的单个实例，然后从中，我可以在XSD中创建带有适当OR语句的正则表达式。

我的环境是Win7，但我有一个Ubuntu VM和Cygwin（我现在正在做所有这些）。我不知道是否有一个Linux实用程序可以做到这一点，或者如果我的grep / sed-fu只是弱。我不知道如何减少这个问题，除非是蛮力（我已经为这个谜题的其他部分所做的那些不像这个那么大）。

我使用此命令行语句来获取绘图“数字”。它查找图纸编号，对它们进行排序，只给我一个唯一的标签，然后剥去封闭的标签：

grep "DrawingNumber" uber.xml | sort | uniq | sed -e :a -e 's/<[^>]*>//g;/</N;//ba'

以下是一些实际绘图“数字”的示例（还有数百个）：

10023C/10024C *<= this is how it's represented in the XML & I can't (easily) change it.
10023C
10043E
10051B
10051D
10058B
10059C
10447B 10447B *<= this is how it's represented in the XML & I can't (easily) change it.
10064A
10079B
10079D
10082B
10095A
10098B
10100B
10102
10109B
10109C
10115
101178
10118F

我想要的是一个列表，它会将图纸编号列表减少到每种类型的单个实例。例如，这组绘图“数字”：

会减少到：

nnnnnx

表示5个数字的所有实例，后跟一个字母，我可以为其创建一个类似的模式：

[0-9]{5}[a-z A-Z]{1}

同样，

10102
10115

会减少到：

nnnnn

表示所有5位数的实例，没有任何后续跟踪并被捕获：

[0-9]{5}

等等。我希望有足够的信息以可行的形式呈现问题。就像我说的那样，我甚至不知道如何构建这个问题，而且经常在我写到问题的时候，我实现了一个解决方案＆amp;甚至不提交，但这个让我难过。

更新使用@ nullrevolution的答案，这就是我想出的内容（这澄清了我在下面的评论，这在很大程度上是不可读的）。

我最终使用的命令行是：

grep "DrawingNumber" uber.xml | sort -d | uniq | sed -e :a -e 's/<[^>]*>//g;/</N;//ba' | sed 's/[A-Za-z]/x/g;s/[0-9]/n/g' | sort -u

对于看起来像这样的数据：

<DrawingNumber>10430A</DrawingNumber>
<DrawingNumber>10431</DrawingNumber>
<DrawingNumber>10433</DrawingNumber>
<DrawingNumber>10434</DrawingNumber>
<DrawingNumber>10443A</DrawingNumber>
<DrawingNumber>10444</DrawingNumber>
<DrawingNumber>10446</DrawingNumber>
<DrawingNumber>10446A</DrawingNumber>
<DrawingNumber>10447</DrawingNumber>
<DrawingNumber>10447B 10447B</DrawingNumber>
<DrawingNumber>10447B</DrawingNumber>
<DrawingNumber>10454A</DrawingNumber>
<DrawingNumber>10454B</DrawingNumber>
<DrawingNumber>10455</DrawingNumber>
<DrawingNumber>10457</DrawingNumber>

这给了我一个通用的输出（对于我的所有数据，而不是上面的代码段）：

nnnnn
nnnnnn
nnnnnx
nnnnnx nnnnnx
nnnnnx/nnnnnx
nnxxx

这正是我所需要的。事实证明，我需要弄清楚接下来的两个实例会从这个新方法中受益，那么谁知道这个节省了多少小时呢？

Answer 1

首先尝试剥离封闭的标签，然后：

sed 's/[A-Za-z]/x/g;s/[0-9]/n/g' file | sort -u

将用“n”替换所有字母，用“x”替换所有数字，然后删除所有重复项。

针对您的示例输入文件运行，输出为：

nnnnnx

如果这不可行，那么你能以原始形式分享输入文件的一部分吗？

仅显示使用regex找到的结果类型的一个实例

1 个答案: