Question

我有一个文本文件，其中包含一些航空公司账号：

Pesanan anda telah dikirim oleh jasa pengiriman NinjaVanID dengan nomor resi NLIDRT0000399000
Paket telah dikirim melalui TIKI. no.resi 885000210000. Cek status pesanan di https://example.com/resi/
Pesanan telah dikirim melalui JNE. no.resi JNRP-0000708000. Cek status H+1 di www.example.co.id or atau menghubungi 021-2927.0000
Pesanan anda telah dikirim oleh jasa pengiriman LEX ID dengan nomor resi LXRP-9295841000

我想提取这些空运提单编号：

NLIDRT0000399000
885000210000
JNRP-0000708000
LXRP-9295841000

以下是规则：

前缀NLIDRT JNRP- LXRP-始终相同，只有背后的数字不同
885000210000这个没有任何前缀，只有数字，它们总是会改变。
文本的其余部分不会改变。只有改变的AWB。

这是我到目前为止所尝试的但不起作用：

grep -e 'NLIDRT\K(\d+)' -e 'TIKI, no\.resi \K(\d+)' -e 'JNRP-\K(\d+)' -e 'LXRP-\K(\d+)' awb.txt

我该怎么做？命令无关紧要，可以是awk / grep / sed

Answer 1

示例：

grep -Eo '\<((NLIDRT|JNRP-|LXRP-)[0-9]{10}|[0-9]{12})\>' <<\eof
Pesanan anda telah dikirim oleh jasa pengiriman NinjaVanID dengan nomor resi NLIDRT0000399000
Paket telah dikirim melalui TIKI. no.resi 885000210000. Cek status pesanan di https://example.com/resi/
Pesanan telah dikirim melalui JNE. no.resi JNRP-0000708000. Cek status H+1 di www.example.co.id or atau menghubungi 021-2927.0000
Pesanan anda telah dikirim oleh jasa pengiriman LEX ID dengan nomor resi LXRP-9295841000
eof

结果：

NLIDRT0000399000
885000210000
JNRP-0000708000
LXRP-9295841000

说明：

grep -Eo '\<((NLIDRT|JNRP-|LXRP-)[0-9]{10}|[0-9]{12})\>'

\<表示单词的开头（这样我们就不会在单词内部开始匹配;例如我们不应该匹配XJNRP-）
< / LI>
有两种选择：(带前缀或|带前缀)
带前缀的变体为(NLIDRT|JNRP-|LXRP-)[0-9]{10}，即( NLIDRT或JNRP-或LXRP- )之一10位数。
不带前缀的变体是12位数。
\>表示单词结束，因此我们不会匹配较长的数字序列或类似...89XX的内容。

请注意grep -E启用扩展正则表达式。

请注意，10位和12位数的规则是我的印象，可能是错误的。如果您想要一个或多个数字（而不是10和12），请说[0-9]+。如果您想要10个或更多人说[0-9]{10,}。

Answer 2

您使用的是与PCRE兼容的模式，其中\d matches digits和\K是match reset operator，省略了到目前为止匹配的全文。这不是你需要的，因为前缀是预期匹配的一部分。

我建议使用

grep -oE '(TIKI\. *no\.resi *|NLIDRT|JNRP-|LXRP-)?[0-9]{10,}'

-o选项使grep返回匹配的子字符串，而不是匹配发生的整行。

POSIX ERE模式（由于-E选项）匹配

(TIKI\. *no\.resi *|NLIDRT|JNRP-|LXRP-)? - 一个可选的（1或0次）子字符串：
- TIKI\. *no\.resi * - TIKI.，然后是0 +空格，no.resi和0+空格（用[[:space:]]替换空格以匹配任何空格）
- | - 或
- NLIDRT - NLIDRT substring
- | - 或
- JNRP- - JNRP- substring
- | - 或
- LXRP- - LXRP- substring
[0-9]{10,} - 10位或更多位数。

注意：如果要将这些AWB作为整个单词进行匹配（如果没有字母，数字和_字符“粘在一起”），您可以使用字边界：

grep -oE '\b(TIKI\. *no\.resi *|NLIDRT|JNRP-|LXRP-)?[0-9]{10,}\b'

或

grep -oE '\<(TIKI\. *no\.resi *|NLIDRT|JNRP-|LXRP-)?[0-9]{10,}\>'

其中\b是单词/非单词char之间的字符串中的位置，或者字符串的开头和单词char之间，或单词char和字符串结尾之间的位置，\<匹配非单词char /字符串开头和单词char（前导单词边界）之间的位置，\>是结束单词边界（单词和非单词char /字符串结尾之间的位置。

请参阅grep demo online

s='Pesanan anda telah dikirim oleh jasa pengiriman NinjaVanID dengan nomor resi NLIDRT0000399000
Paket telah dikirim melalui TIKI. no.resi 885000210000. Cek status pesanan di https://www.jne.co.id/resi/
Pesanan telah dikirim melalui JNE. no.resi JNRP-0000708000. Cek status H+1 di www.jne.co.id or atau menghubungi 021-2927.8888
Pesanan anda telah dikirim oleh jasa pengiriman LEX ID dengan nomor resi LXRP-9295841000'

echo "$s" | grep -oE '(TIKI\. *no\.resi *|NLIDRT|JNRP-|LXRP-)?[0-9]{10,}'

结果：

NLIDRT0000399000
TIKI. no.resi 885000210000
JNRP-0000708000
LXRP-9295841000

Bash - 正则表达式提取气道账单号码

2 个答案: