Question

我正在尝试使用Perl重新排序md5文件的内容。对于每一行，我希望文件名不包含路径，然后再包含哈希。我想出的最好的命令是：

$ perl -pe 's|^([[:alnum:]]+).*?([^/]+)$|$2 $1|' DCIM.md5

输入文件（DCIM.md5）由md5sum在Linux上生成。看起来像这样：

e26ff03dc1bac80226e200c0c63d17a2  ./Path1/IMG_20150201_160548.jpg
01f92572e4c6f2ea42bd904497e4f939  ./Path 2/IMG_20150204_190528.jpg
afce027c977944188b4f97c5dd1bd101  ./Path3/Path 4/IMG_20151011_193008.jpg

哈希与
中的第一组([[:alnum:]]+)匹配正则表达式。
然后文件的空格和路径是
由.*?匹配。
然后，文件名由([^/]+)匹配。
表达式用^括起来（这里显然是不必要的）和$。如果没有$，该表达式将不会输出我期望的结果。
我使用|而不是/作为分隔符，以避免将其转义到文件路径中。

该命令返回：

IMG_20150201_160548.jpg
 e26ff03dc1bac80226e200c0c63d17a2IMG_20150204_190528.jpg
 01f92572e4c6f2ea42bd904497e4f939IMG_20151011_193008.jpg
 afce027c977944188b4f97c5dd1bd101IMG_20151011_195133.jpg

匹配正确，输出顺序正确（文件名不带路径，然后进行哈希处理），但间距不正确：文件名后有换行符。我希望它在哈希之后，像这样：

IMG_20150201_160548.jpg e26ff03dc1bac80226e200c0c63d17a2
IMG_20150204_190528.jpg 01f92572e4c6f2ea42bd904497e4f939
IMG_20151011_193008.jpg afce027c977944188b4f97c5dd1bd101

在我看来，我的命令输出换行符，但我不知道如何更改此行为。或者问题可能出在外壳上，而不是命令上？

最后，一些版本信息：

$ perl -version
This is perl 5, version 22, subversion 1 (v5.22.1) built for i686-linux-gnu-thread-multi-64int
(with 69 registered patches, see perl -V for more detail)

Answer 1

[^/]+匹配换行符，因此您输入的内容是$2的一部分，它首先放在转换后的$_中（$1中没有换行符，因此$_的末尾没有换行符。）

解决方案：从perlrun阅读-l选项。特别是：

-l [octnum] 启用自动行尾处理。它有两个单独的作用。首先，当与-n或-p一起使用时，它会自动砍掉$ /（输入记录分隔符）。其次，它将$ \（输出记录分隔符）分配为octnum的值，以便任何打印语句将重新添加该分隔符。如果省略octnum，则将$ \设置为$ /的当前值。

Answer 2

替代解决方案，它使用了其他答案和注释中的许多概念...

$ perl -pe 's|(\p{hex}+).*?([^/]+?)$|$2 $1|' DCIM.md5

...和解释。

调查所有答案并尝试找出答案后，我认为问题的根源是[^/]+是贪婪。它的贪婪使它捕获了换行符。它会忽略$锚点。

这让我很难理解，因为在使用Perl之前我已经使用sed进行了很多解析，即使是贪婪的通配符也无法在sed中捕获换行符。希望这篇文章能对那些（像我一样习惯sed）也想知道（像我一样）为什么$的行为不像“我期望的那样”的人有所帮助。

通过尝试我将发布的内容作为另一个替代答案，我们可以看到“贪婪”问题。

写文件：

$ cat > DCIM.md5<<EOF
> e26ff03dc1bac80226e200c0c63d17a2  ./Path1/IMG_20150201_160548.jpg
> 01f92572e4c6f2ea42bd904497e4f939  ./Path 2/IMG_20150204_190528.jpg
> afce027c977944188b4f97c5dd1bd101  ./Path3/Path 4/IMG_20151011_193008.jpg
> EOF

通过将贪婪[^/]+更改为[^/]+?来摆脱它。解析。

$ perl -pe 's|([[:alnum:]]+).*?([^/]+?)$|$2 $1|' DCIM.md5
IMG_20150201_160548.jpg e26ff03dc1bac80226e200c0c63d17a2
IMG_20150204_190528.jpg 01f92572e4c6f2ea42bd904497e4f939
IMG_20151011_193008.jpg afce027c977944188b4f97c5dd1bd101

所需的输出已完成。

@Shawn的accepted answer

$ perl -lpe 's|^([[:alnum:]]+).*?([^/]+)$|$2 $1|' DCIM.md5

基本上更改$锚，以使其表现为sed人所期望的行为。

@CrafterKolyan的answer照顾贪婪的[^/]捕获换行符，说您不能使用正斜杠或换行符。这个答案仍然需要$锚点来防止出现以下情况

1）.*捕获空字符串（ 0 或任意多个字符）

2）[^/\n]+捕获 .。

@Borodin的答案采用了截然不同的方法，但这是一个很棒的概念。

@Borodin做出了出色的comment，它使该答案的版本更精确/更精确，这是我在本文顶部放置的版本。

最后，如果要遵循Perl programming model，这是另一种选择。

$ perl -pe 's|([[:xdigit:]]+).*?([^/]+?)(\n\|\Z)|$2 $1$3|' DCIM.md5

P.S。因为sed不太像perl（no non-greedy wildcards），所以这里有一个sed的示例，它显示了我讨论的行为。

$ sed 's|^\([[:alnum:]]\+\).*/\([^/]\+\)$|\2 \1|' DCIM.md5

这基本上是perl表达式除了的“直接翻译”，用于'/'之前的多余[^/]。我希望它能帮助比较sed和perl的人。

Answer 3

使用[^/\n]代替[^/]：

perl -pe 's|^([[:alnum:]]+).*?([^/\n]+)$|$2 $1|' DCIM.md5

Answer 4

进行替换使您不得不编写一个正则表达式模式，该模式与您不需要想要的所有内容以及您要做的所有事情相匹配。通常，最好只匹配您需要的部分并从中构建另一个字符串

for ( <> ) {
    die unless m< (\w++) .*? ([^/\s]+) \s* \z >x;
    print "$2 $1\n";
}

或者如果您必须有单线纸

perl -ne 'die unless m< (\w++) .*? ([^/\s]+) \s*\z >x; print "$2 $1\n";' myfile.md5

输出

IMG_20150201_160548.jpg e26ff03dc1bac80226e200c0c63d17a2
IMG_20150204_190528.jpg 01f92572e4c6f2ea42bd904497e4f939
IMG_20151011_193008.jpg afce027c977944188b4f97c5dd1bd101

s ///返回原处的换行符

4 个答案:

输出