Question

我有一个看起来像这样的文件：

<table name="content_analyzer" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
  <type="global" />
</table>

我需要在name=后面的引号中提取任何内容，即content_analyzer，content_analyzer2和content_analyzer_items。

我在Linux机器上这样做，所以使用sed，perl，grep或bash的解决方案很好。

Answer 1

因为您需要匹配内容而不将其包含在结果中（必须匹配name="但它不是所需结果的一部分）某种形式的需要零宽度匹配或组捕获。这可以做到使用以下工具轻松完成：

的Perl

使用Perl，您可以使用n选项逐行循环并打印捕获组的内容如果匹配：

perl -ne 'print "$1\n" if /name="(.*?)"/' filename

GNU grep

如果你有改进版的grep，比如GNU grep，你可能会有 -P选项可用。此选项将启用类似Perl的正则表达式，允许你使用\K，这是一个速记的后视。它会重置匹配位置，所以它之前的任何东西都是零宽度。

grep -Po 'name="\K.*?(?=")' filename

o选项使grep仅打印匹配的文本，而不是整条线。

Vim - 文本编辑器

另一种方法是直接使用文本编辑器。与Vim，其中之一实现这一目标的各种方法是删除没有的行 name=然后从结果行中提取内容：

:v/.*name="\v([^"]+).*/d|%s//\1

标准grep

如果您因某些原因无法访问这些工具使用标准grep可以实现类似的功能。但是，没有看周围需要进行一些清理：

grep -o 'name="[^"]*"' filename

关于保存结果的说明

在上述所有命令中，结果将发送至stdout。它的重要的是要记住，你总是可以通过管道来保存它们通过附加文件：

> result

到命令的末尾。

Answer 2

正则表达式为：

.+name="([^"]+)"

然后分组将在\ 1

中

Answer 3

如果您使用的是Perl，请下载一个模块来解析XML：XML::Simple，XML::Twig或XML::LibXML。不要重新发明轮子。

Answer 4

应该使用HTML解析器而不是正则表达式。一个利用HTML::TreeBuilder的

的Perl程序

程序

#!/usr/bin/env perl

use strict;
use warnings;

use HTML::TreeBuilder;

my $tree = HTML::TreeBuilder->new_from_file( \*DATA );
my @elements = $tree->look_down(
    sub { defined $_[0]->attr('name') }
);

for (@elements) {
    print $_->attr('name'), "\n";
}

__DATA__
<table name="content_analyzer" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
  <type="global" />
</table>

输出

content_analyzer
content_analyzer2
content_analyzer_items

Answer 5

这可以做到：

perl -ne 'if(m/name="(.*?)"/){ print $1 . "\n"; }'

Answer 6

这是一个使用HTML tidy＆amp; amp; xmlstarlet：

htmlstr='
<table name="content_analyzer" primary-key="id">
<type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
<type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
<type="global" />
</table>
'

echo "$htmlstr" | tidy -q -c -wrap 0 -numeric -asxml -utf8 --merge-divs yes --merge-spans yes 2>/dev/null |
sed '/type="global"/d' |
xmlstarlet sel -N x="http://www.w3.org/1999/xhtml" -T -t -m "//x:table" -v '@name' -n

Answer 7

糟糕，sed命令当然必须在整齐的命令之前：

echo "$htmlstr" | 
sed '/type="global"/d' |
tidy -q -c -wrap 0 -numeric -asxml -utf8 --merge-divs yes --merge-spans yes 2>/dev/null |
xmlstarlet sel -N x="http://www.w3.org/1999/xhtml" -T -t -m "//x:table" -v '@name' -n

Answer 8

如果修复了xml（或一般文本）的结构，最简单的方法是使用cut。对于您的具体情况：

echo '<table name="content_analyzer" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
  <type="global" />
</table>' | grep name= | cut -f2 -d '"'

如何使用grep，regex或perl提取模式后面的字符串

8 个答案:

的Perl

GNU grep

Vim - 文本编辑器

标准grep

关于保存结果的说明

程序

输出