Question

查找具有未知起点的子字符串，并在较大的字符串

中确定不确定的长度

(.+)([A-Z\.]+)(.+)

我想要提取的子字符串只有大写字母和句点：[A-Z \。] +

子字符串在不同文档中的长度不同

我不知道我正在寻找的子字符串之前的子字符串的长度。

你可以从上面的grep看到grep的第一部分

(.+)

基本上抓住了整个字符串。

如何创建一个grep，说明：找到X个字符直到您遇到一串只有大写字母和句点的字符串。

（如何替换grep的第一部分？）

示例字符串：

###_random_length_data_here_###____YFJSR.BZMN.FZGTSODZY.RIVU.ZPZOQPIKC.TIVIUHIFV.HBXORXONITZMN....NUH...NTL...KTM.PESNLQ.OZQEHESQORNHLI.ULNLBMRSQ.XWK.OWEBGKTHM.EMVQFXPXCMBTSX.KRBKUU.ENP...DGW...RJB....HININSFJBJIXG.TTFDZRUBD.GIXVFMZEH.FOQU.WBFMWWVOG.HOQI.FOHZK___###_other_random_length_data_here_###

中间的数据从字符串中的未知索引开始，具有不同的长度，具体取决于文档。

预期输出只是第二个子字符串：

YFJSR.BZMN.FZGTSODZY.RIVU.ZPZOQPIKC.TIVIUHIFV.HBXORXONITZMN....NUH...NTL...KTM.PESNLQ.OZQEHESQORNHLI.ULNLBMRSQ.XWK.OWEBGKTHM.EMVQFXPXCMBTSX.KRBKUU.ENP...DGW...RJB....HININSFJBJIXG.TTFDZRUBD.GIXVFMZEH.FOQU.WBFMWWVOG.HOQI.FOHZK

下划线和磅符号在实际数据中不是分隔符，只是为了显示三个子串之间的某些分隔并使示例数据更易于阅读。

Answer 1

只需使用带有GNU grep标记的-E进行扩展正则表达式语法匹配，匹配[A-Z]或.及其多个实例，

grep -Eo '[A-Z|.]+' file
YFJSR.BZMN.FZGTSODZY.RIVU.ZPZOQPIKC.TIVIUHIFV.HBXORXONITZMN....NUH...NTL...KTM.PESNLQ.OZQEHESQORNHLI.ULNLBMRSQ.XWK.OWEBGKTHM.EMVQFXPXCMBTSX.KRBKUU.ENP...DGW...RJB....HININSFJBJIXG.TTFDZRUBD.GIXVFMZEH.FOQU.WBFMWWVOG.HOQI.FOHZK

（或）使用egrep

egrep -o '[A-Z|.]+' file
YFJSR.BZMN.FZGTSODZY.RIVU.ZPZOQPIKC.TIVIUHIFV.HBXORXONITZMN....NUH...NTL...KTM.PESNLQ.OZQEHESQORNHLI.ULNLBMRSQ.XWK.OWEBGKTHM.EMVQFXPXCMBTSX.KRBKUU.ENP...DGW...RJB....HININSFJBJIXG.TTFDZRUBD.GIXVFMZEH.FOQU.WBFMWWVOG.HOQI.FOHZK

在包含二进制.txt文件的文件夹

中运行这样的循环

for file in *.txt
do
   grep -Eao '[A-Z|.]+' "$file" >> outputFile.txt
done

（或）包含文本文件的文件夹中的命令行友好版本

for file in *.txt; do grep -Eao '[A-Z|.]+' "$file" >> outputFile.txt; done

这会将grep与regex一起运行到目录中的所有文件，并将其附加到outputFile.txt

查找具有未知起点的子字符串，并在较大的字符串中确定不确定的长度

1 个答案: