从字符串中捕获内容

Question

我正在尝试解析一些日志以获取所查看项目的特定目录号。我已经打破了所有必要的字段，现在正在解析referer字段以获取所查看页面的目录ID。

字符串采用以下格式：

   /catalog/AAA1111111
   /catalog/BBB-22222-1/
   /catalog/CCC-333333/XXX
   http://url/catalog/DDD-44444444
   http://url/catalog/EEE-555555555/ZZZ

我正在使用以下正则表达式删除目录ID：

   .*\/catalog\/([^\/]+)

问题是我无法阻止正则表达式在下一个正斜杠后抓住所有内容。看起来好像是贪心？

结果是：

   AAA1111111
   BBB-22222-1/
   CCC-333333/XXX
   DDD-44444444
   http:EEE-555555555/ZZZ

我一直在敲打这个问题几个小时。

我只是在寻找一个正则表达式，它只会拆分目录ID（目录/后面的字符串）。

任何人都可以帮助引导这位老编码员朝着正确的方向前进吗？

非常感谢。

Answer 1

使用sed

cat catalogs  | sed -E 's/.*\/catalog\/([^/]+)\/?.*/\1/g'

结果

AAA1111111
BBB-22222-1
CCC-333333
DDD-44444444
EEE-555555555

请注意，唯一的修改是匹配尾随的内容

Answer 2

为什么在分割“/ catalog /”时使用正则表达式，取最后一项然后拆分为“/”并取第一项？

在Python中，可以这样做：

line.split('/catalog/')[-1].split('/')[0]

只是想指出regexp不是每个字符串解析问题的解决方案。 通常，当您面对“贪婪”解析时，在使用正则表达式之前进行“手动”修改有帮助