我有一个大行日志文件,行为
[2016-06-03T10:03:12] No data: TW.WA2
,
[2016-06-03T11:03:02] wrong overlaps: XW.W12.HHZ.2007.289
和
[2016-06-03T14:05:26] failed to correct YP.CT02.HHZ.2012.334 because No matching response.
每一行都包含一个时间戳,记录的原因以及由上面示例中的点(TW.WA2
,XW.W12.HHZ.2007.289
和YP.CT02.HHZ.2012.334
连接的一些子串组成的关键字。)
特定类型的关键字的格式是固定的(子串通过固定数量的点连接)。
子串由字母和数字组成(0-5个字符,但并非所有子字符串都可以为空,通常最多只有一个,例如XW.WTA12..2007.289
)。
我想
提取关键字
将不同类型的关键词保存为单独的文件
目前我尝试了grep
,但只完成了分类。
grep "wrong overlaps" logfile > wrong_overlaps
grep "failed to correct" logfile > no_resp
grep "No data" logfile > no_data
在no_data
中,内容与
AW.AA1
TW.WA2
TW.WA3
...
在no_resp
中,内容与
XP..HHZ.2002.334
YP.CT01.HHZ.2012.330
YP.CT02.HHZ.2012.334
...
但是,上面的简单grep
命令会保存整行。我想我需要正则表达式来提取关键字?
答案 0 :(得分:4)
假设关键字是通过包含句点并由字母和数字包围来定义的,则后面的正则表达式将匹配所有关键字:
% grep -oE '\w+(\.\w+)+' data
TW.WA2
XW.W12.HHZ.2007.289
YP.CT02.HHZ.2012.334
-o
仅会打印匹配项。 -E
启用扩展正则表达式
然而,这将使您无法将其拆分为多个文件,例如:创建包含wrong_overlaps
所有行的文件wrong overlaps
。
您可以使用-P
启用支持lookbehinds的Perl兼容正则表达式:
% grep -oP '(?<=wrong overlaps: )\w+(\.\w+)+' data
XW.W12.HHZ.2007.289
但请注意,PCRE不支持可变长度的lookbehinds,所以你需要输入完整的模式,例如:
something test string: ABC:DEF
ABC:DEF
可以提取:
(?<=test string: )\w+(\.\w+)+
但不是
(?<=test string)\w+(\.\w+)+