Question

我有一个字符串就是这种格式：

"Mike H<michael.haken@email1.com>" michael.haken@email2.com "Mike H<hakenmt@email1.com>"

如果我在JS，C＃等编写正常的正则表达式，我就这样做

(?:"(.+?)"|'(.+?)'|(\S+))

迭代匹配组以获取每个字符串，理想情况下不带引号。我最终想要将每个值添加到一个数组中，所以在这个例子中，我最终得到一个数组中的3个项目，如下所示：

Mike H<michael.haken@email1.com>
michael.haken@email2.com 
Mike H<hakenmt@email1.com>

我无法弄清楚如何使用grep或sed或bash regex复制此功能。我尝试过像

这样的事情

echo "$email" | grep -oP "\"\K(.+?)(?=\")|'\K(.+?)(?=')|(\S+)"

这个问题在于虽然它模仿了捕获组的功能，但它并没有真正适用于倍数，所以我得到像

这样的捕获

"Mike
H<michael.haken@email1.com>"
 michael.haken@email2.com

如果我删除前面/后面的逻辑，我至少得到3个字符串，但第一个和最后一个仍然用引号括起来。在那种方法中，我将输出管道传输到read，这样我就可以单独将每个字符串添加到数组中，但我可以打开其他选项。

编辑：

我认为我的输入示例可能令人困惑，它只是一个可能的输入。实际输入可以是任何数量的任何顺序的双引号，单引号或非引用（无空格）字符串。我提供的Javascript / C＃正则表达式是我试图实现的真实行为。

Answer 1

您可以使用Perl：

$ email='"Mike H<michael.haken@email1.com>" michael.haken@email2.com "Mike H<hakenmt@email1.com>"'
$ echo "$email" | perl -lane 'while (/"([^"]+)"|(\S+)/g) {print $1 ? $1 : $2}' 
Mike H<michael.haken@email1.com>
michael.haken@email2.com
Mike H<hakenmt@email1.com>

或者在纯粹的Bash中，它有点罗嗦：

re='\"([^\"]+)\"[[:space:]]*|([^[:space:]]+)[[:space:]]*'
while [[ $email =~ $re ]]; do
    echo ${BASH_REMATCH[1]}${BASH_REMATCH[2]}
    i=${#BASH_REMATCH}
    email=${email:i}
done 
# same output

Answer 2

你的第一个表达很好;只需注意引号（当\存在时使用单引号）。最后用{sed。

修剪"

$ echo $mail | grep -Po '".*?"|\S+' | sed -r 's/"$|^"//g'
Mike H<michael.haken@email1.com>
michael.haken@email2.com
Mike H<hakenmt@email1.com>

Answer 3

gawk + bash 解决方案（将每个项目添加到数组中）：

email_str='"Mike H<michael.haken@email1.com>" michael.haken@email2.com "Mike H<hakenmt@email1.com>"'

readarray -t email_arr < <(awk -v FPAT="[^\"'[:space:]]+[^\"']+[^\"'[:space:]]+" \
                         '{ for(i=1;i<=NF;i++) print $i }' <<<$email_str)

现在，所有项目都在email_arr

访问第二项：

echo "${email_arr[1]}"
michael.haken@email2.com

访问第3项：

echo "${email_arr[3]}"
Mike H<hakenmt@email1.com>

Answer 4

您可以使用sed来实现这一目标，

$ sed -r 's/"(.*)" (.*)"(.*)"/\1\n\2\n\3/g' <<< "$EMAIL"
Mike H<michael.haken@email1.com>
michael.haken@email2.com 
Mike H<hakenmt@email1.com>

Answer 5

使用gawk您可以设置多行RS。

awk -v RS='"|" ' 'NF' inputfile
Mike H<michael.haken@email1.com>
michael.haken@email2.com
Mike H<hakenmt@email1.com>

Answer 6

像这样修改你的正则表达式：

grep -oP '("?\s*)\K.*?(?=")' file

输出：

Mike H<michael.haken@email1.com>
michael.haken@email2.com
Mike H<hakenmt@email1.com>

Answer 7

使用GNU awk和FPAT到 define fields by content ：

$ awk '
BEGIN { FPAT="([^ ]*)|(\"[^\"]*\")" }  # define a field to be space-separated or in quotes
{
    for(i=1;i<=NF;i++) {               # iterate every field
        gsub(/^\"|\"$/,"",$i)          # remove leading and trailing quotes
        print $i                       # output
    }
}' file
Mike H<michael.haken@email1.com>
michael.haken@email2.com
Mike H<hakenmt@email1.com>

Answer 8

我能做到的是有效的，但并不像我想要的代码那样简洁：

arr=()
while read line; do
  line="${line//\"/}"
  arr+=("${line//\'/}")
done < <(echo $email | grep -oP "\"(.+?)\"|'(.+?)'|(\S+)")

这给了我一个捕获组的数组，并按任意顺序处理输入，用双引号或单引号括起来，如果它没有空格，则根本没有。它还提供了数组中没有包装引号的元素。感谢所有的建议。

Bash正则表达式捕获组

8 个答案: