如何使用后缀匹配单引号或双引号？

Question

我有一系列要提取的字符串：

hello.this_is("bla bla bla")
some random text
hello.this_is('hello hello')
other stuff

我需要获取（从许多文件中获取，但这在这里并不重要）是hello.this_is(和)之间的内容，所以我想要的输出是：

bla bla bla
hello hello

如您所见，括号内的文本可以用双引号或单引号引起来。

如果这只是单引号，我会像这样：

grep -Po "(?<=hello.this_is\(').*(?=')" file
#                            ^      ^
# returns ---> hello hello

类似地，要从双引号中获取字符串，我会说：

grep -Po '(?<=hello.this_is\(").*(?=")' file
#                            ^      ^
# returns ---> bla bla bla

但是，我想同时匹配这两种情况，因此它得到单引号和双引号。我尝试使用$''进行转义，但无法使其正常工作：

grep -Po '(?<=hello.this_is\($'["\']').*(?=$'["\']')' file
#                            ^^^^^^^^      ^^^^^^^^

我当然可以使用ASCII码说：

grep -Po '(?<=hello.this_is\([\047\042]).*' file

但是我想使用引号和单引号，因为047和042对我的代表不如单引号和双引号。

Answer 1

使用捕获组并按如下所示查找其内容：

grep -Po 'hello\.this_is\(([\047"])((?!\1).|\\.)*\1\)' file

这也关心转义字符，例如hello.this_is("bla b\"la bla")

请参见live demo here

如果输出应该是括号之间的内容，则同时使用\K和正向查找：

grep -Po 'hello\.this_is\(([\047"])\K((?!\1).|\\.)*(?=\1\))' file

输出：

bla bla bla
hello hello

Answer 2

注意：此答案底部的l = [1,2] df = pd.DataFrame(columns=['x','y']) df.loc[len(df)] = l print(df,'\n') l2 = [3,4] df.loc[len(df)] = l2 print(df) x y 0 1 2 x y 0 1 2 1 3 4 命令仅在您的字符串表现良好时才有效，例如

sed

或

"foo"

一旦您的字符串开始出现异常:)就像

'bar'

它将不再起作用。

您的输入看起来像源代码。为了获得稳定的解决方案，我建议使用该语言的解析器来提取字符串。

---

对于普通用例：

您可以使用"hello \"world\"" 。与sed仅适用于GNU grep的grep -oP相比，该解决方案应该可以在任何POSIX平台上运行：

sed -n 's/hello\.this_is(\(["'\'']\)\([^"]*\)\(["'\'']\).*/\2/gp' file
#                                    ^^^^^^^^              ^^
#                                          capture group 2 ^

Answer 3

基于revo和hek2mgl的出色答案，我最终使用了grep，如下所示：

grep -Po '(?<=hello\.this_is\((["'\''])).*(?=\1)' file

可以解释为：

• grep
• -Po使用Perl正则表达式机器，仅打印匹配项
• '(?<=hello\.this_is\((["'\''])).*(?=\1)'表达式
  • (?<=hello\.this_is\((["'\'']))后向搜索：搜索字符串，以“ hello.this_is（”开头，后跟'或"。此外，捕获此最后一个字符以供以后使用。 / li>
  • .*匹配所有内容...
  • (?=\1)直到捕获的字符（即'或"）再次出现。

此处的关键是使用["'\'']表示'或"。通过执行'\''，我们关闭了封闭的表达式，并填充了文字'（必须转义），然后再次打开封闭的表达式。