Question

输入文件的每一行都将匹配其中一种模式：

"SCnnnn"
"SC-nnnn"
"SC_nnnn"

（n = [0-9]，SC是文字的，但可以是大写或小写，最后会有1-4个数字，最后用字母数字，空格或其他非数字字符分隔）

该行的某处还会有一个文件扩展名（匹配“.abc”），其中abc = upper | lower字母数字在任何位置。

我想提取第一个模式并将其与每行的解压缩文件扩展名一起打印。这就是我到目前为止所做的：

sed -E -n 's/([Ss][Cc][-_]*[0-9][0-9]*).*(\.[a-zA-Z0-9]{3})/\1\2/p' infile

这是一个示例输入行：

SCSCSCSCSCSCSCSCSC1867SCBrSCSCSCSC&SCBlSCkSCSCBSCrSCbSCckSC.xyz

所需的输出为：

SC1867.xyz

但我得到的是：

SCSCSCSCSCSCSCSCSC1867.xyz

有人可以告诉我为什么这会在我想要的部分之前返回“SC”吗？我知道这与贪婪有关，但我无法理解它。

（一切正常，我的“SCnnn”匹配位于该行的开头。）

我对其他工具持开放态度 - 例如awk - 如果他们提供更直接的解决方案。

编辑：我认为我找到了一个解决方案 - 至少看起来有效：

sed -E -n 's/.*([Ss][Cc][-_]*[0-9][0-9]*).*(\.[a-zA-Z0-9]{3})/\1\2/p'

Answer 1

这实际上不一定是在这里发挥作用的贪婪。发生这种情况的原因是因为sed正在替换一行的一部分，然后打印整行（p命令的后缀s//执行此操作）。

为了更清楚地了解发生了什么，make infile包含一个更明显的字符串，如0o0o0o0o0o0o0o0oSC1867lalalalalalfalalala.xyz并运行您的第一个命令。以下是结果

[user@localhost ~]$ sed -E -n 's/([Ss][Cc][-_]*[0-9][0-9]*).*(\.[a-zA-Z0-9]{3})/\1\2/p' infile
0o0o0o0o0o0o0o0oSC1867.xyz

作为一个慢动作：sed在0o0o0之后找到你的[Ss] [Cc]字符，并尽职尽责地用你想要的替换代替你描述的字符串;即，它保持SC_ - 类似的部分和四位数，然后删除数字后的所有内容，直到后缀。当p命令打印出部分更改的行时，会出现此问题，包括所有不需要的 0o ze。

替代地

作为替代解决方案，不涉及打印部分更改的行，而是匹配整行并将其更改为您的目的，以下命令为包含示例字符串的文件提取了stdout的正确答案：

[user@localhost ~]$ sed -e 's/^.*\([Ss][Cc][-_]\?[0-9]\{4\}\).*\(\.[a-Z]\{3\}\)$/\1\2/' infile
SC1867.xyz

将该正则表达式向下打破：正则表达式从行的开头（^）开始，消耗所有字符（.*），直到它看到SC（上部或下部，{{1然后它检查一个可选的连字符或下划线（[Ss][Cc]），后面跟着正好四位数（[-_]\?）。然后，所有字符都被消耗，直到看到一个点（[0-9]\{4\}），然后是正好三个字母数字字符（\.）和一个行尾（[a-Z]\{3\}）。通配符未使用的两个表达式将保存到寄存器并连接（$）。

... \1\2也适用，如果你不像我一样喜欢反斜杠。

sed返回的比我需要的多

1 个答案:

替代地