Question

我想用两个单词提取两个正斜杠之间的字符串，例如test作为字符串的开始（在第一个斜杠之前），但在最后一个斜杠之后及其内容之后是可选的。我能够正确提取它，但是如果要提取的字符串中有特殊字符，则应该失败。

some_word/part_i_want_to_extract/optional_string
                                ^               
                                | from here is optional (including /)

我要提取的部分也应该只包含字母数字_和-。

sed的示例：

echo 'test/alpha_numeric-9034/something' | sed -r 's|^.*(test)/([[:alnum:]_-]*)(/[[:alnum:]]*)?.*$|\2|' // returns alpha_numeric-9034

echo 'test/alpha_numer$ic-9034/something' | sed -r 's|^.*(test)/([[:alnum:]_-]*)(/[[:alnum:]]*)?.*$|\2|' // returns alpha_numer

echo 'test/alpha_numer$ic-9034' | sed -r 's|^.*(test)/([[:alnum:]_-]*)(/[[:alnum:]]*)?.*$|\2|' // returns alpha_numer

我想让第二/三分之一失败（应该什么也不回报），我该怎么做？

grep中的相同示例：

echo 'test/alpha_numeric-9034/something' | grep -oP "^(test)\/\K([a-zA-Z0-9_-]*)(?=\/[a-zA-Z0-9]*)?" // returns alpha_numeric-9034

echo 'test/alpha_numer$ic-9034/something' | grep -oP "^(test)\/\K([a-zA-Z0-9_-]*)(?=\/[a-zA-Z0-9]*)?" // returns alpha_numer

echo 'test/alpha_numer$ic-9034' | grep -oP "^(test)\/\K([a-zA-Z0-9_-]*)(?=\/[a-zA-Z0-9]*)?" // returns alpha_numer

在grep中，最后使用$也没有任何作用。 Here is a demo适用于基于php的正则表达式，我找不到任何有效的perl工具。任何帮助将不胜感激。

有关应返回什么的更多示例

'test/alpha_numeric-9034/something' -> alpha_numeric-9034
'test/alpha_numer$ic-9034/something' -> should be nothing (since it has $)
'test/alpha_numeric-9034' -> alpha_numeric-9034
'test/QR-9034' -> QR-9034

Answer 1

更新。为上一个问题编辑添加了一个版本。

使用Perl（带有标签），使用文件data.txt中的回显数据行

perl -wnE'@m = m{^test/([\w-]+)(?=/)}g; say "@m" if @m' data.txt

这仅从第一行打印alpha_numeric-9034。

我使用[\w-]，如果需要，可以通过POSIX character class，[[:alnum:]_-]进行更改。另一个选择是在否定的类中列出禁止的字符以及/， [^/...]。

该代码捕获到^test/之后到下一个/为止的允许字符，并使用积极的前瞻性断言/在那儿。作为“ 零宽度断言”的前瞻，不会消耗该斜杠，否则它将以两个以上的斜杠失败。

假定路径为目标，代码仅在有斜线之间捕获斜线之间，丢弃//但仍与该行匹配。如果您希望斜杠之间不包含任何内容，请将+量词更改为*，那么您将获得一对//的空字符串。

它也可以与任意数量的斜杠一起使用，提取连续斜杠之间的内容。通过在上面使用的文件中添加一行test/first/yet/more/end进行测试，

alpha_numeric-9034
first yet more

注意，最后一个问题的编辑允许使用test/QR-9034，因此不是第二个斜杠。这与原始声明和明确的早期澄清相矛盾，上面（Perl）和下面（bash）的解决方案不是为此设计的，在这种情况下不起作用。

但是，最多只能有两个斜杠，这样（很）容易

perl -wnE'say $1 if m{^test/([\w-]+)/?}' data.txt

此匹配上面^test/之后的内容，直到下一个可选（?）斜杠。

如果这确实与解析路径有关，请使用精确地执行此操作的模块。

我们明确了目标是使用“最小工具/语言支持” 以bash的方式进行。然后可以直接在bash中完成。这不会像Perl那样简洁，但是没有使用其他工具。一种方式

#!/bin/bash

string='test/one/two/end'

# Build array of fields using / for the separator
IFS='/' read -ra ary <<< "$string"

# Note: don't know how the presumed bash script is organized
# Use checks below (or alternatives) for flow control you need

# Check for non :alnum: characters. Iterating is a bit slow but clear
for i in "${ary[@]}"; do
    if [[ "$i" =~ [^[:alnum:]] ]]; then
        echo "Element $i has non-alnum"
        has_special=1
        break
    fi  
done

if [[ ${#ary[@]} -le 1 || ${ary[0]} != "test" || $has_special ]]; then
    echo "No match"
else
    # Remove first and last elements
    unset 'ary[${#ary[@]}-1]'
    unset 'ary[${ary[0]}]'

    echo "${ary[@]}"
 fi

这将打印以下行：one two（或No match，如果字符串/ $IFS更改为失败）

以上所有部分都可以通过其他方式完成。评论

简单地给出检查（针对非数字，test/和整体匹配），因为未指定哪种流量控制合适。为更好的程序组织进行重组
用于检查数组元素的迭代是清晰但缓慢的；还有其他方法。如果对此有兴趣，请告诉我，我将进行编辑。另外，可以检查字符串本身，但是我们不能（简单地）使用:alnum:，因为它确实包含/
read实际上是通过分隔符将字符串分隔成数组的最有效方法，而没有派生或外部工具或资源
在更新版本的bash（4.3+？）上，您可以进行unset 'array[-1]'等
在最近的bash中，上述更改$IFS仅在当前命令内
如果没有匹配项，则整个字符串位于ary的第一个元素中，因此我检查大小

Answer 2

保持清晰，简单，高效，健壮，可移植等优点，只需使用awk：

collection.count()

或：

$ awk -F'/' '($1=="test") && ($2~/^[[:alnum:]_-]+$/){print $2}' file
alpha_numeric-9034
alpha_numeric-9034
QR-9034

取决于是否不希望输入或在给定不匹配输入的情况下输出空白行。

Answer 3

这里是awk

awk -F\/ 'NF>2 && $2 ~ /^[0-9a-zA-Z_-]+$/ {print $2}'
alpha_numeric-9034

或者这个：

awk -F\/ 'NF>2 && $2 ~ /^[[:alnum:]_-]+$/ {print $2}'
alpha_numeric-9034

或者这个：

awk -F\/ 'NF>2 && $2 !~ /[!@#$%^&*()+=~]/ {print $2}'
alpha_numeric-9034

测试是否包含最少2个/，并在其中包含正确值的情况下打印//之间的第一个数据
PS我会说-和_是特殊字符

Answer 4

我要添加一个sed解决方案，但是sed并不是一个理想的选择：

sed -r 's~^test/([[:alnum:]_-]*)(/|$)|.~\1~g'

这将查找从test开始，遵循/[[:alnum:]_-]*模式直到/或输入字符串结尾的输入字符串。轮换的另一端是一个应该与失败相匹配的时期。 g标志也已启用。（我不确定sed -r 's~^test/([[:alnum:]_-]*)(/|$)|.*~\1~'为何不起作用。如果有人暗示他/她是受欢迎的。）

测试用例：

$ echo 'test/al_num-0$' | ...

$ echo 'test/al_num-0' | ...
al_num-0
$ echo 'test/al_num-0/something' | ...
al_num-0

使用sed，grep中断来提取特殊字符的斜线之间的匹配组

4 个答案: