正則表達式從日誌文件中提取文件路徑

我需要從日誌文件中獲取文件路徑。我想我會用正則表達式試試這個。

文件路徑如下所示：

75/751234/751234V0001_test-tag1-tag02-75x75_01.jpg

我不是正則表達式的專家，所​​以我只能用下面的表達式到達第二個斜線。我也通過正則表達式獲得文件名的開頭，但我無法獲得後面的幾個關鍵字。

([0-9]{2})[\/]([0-9]{2,10})[\/]

現在我仍然缺少實際文件名的正則表達式。文件名的開頭總是有一個數字。之後，理論上可以有無限的關鍵字。

文件副檔名可以是 .jpg、.tif、.zip 等。

所以輸出應該是文件路徑

75/751234/751234V0001_test-tag1-tag02-75x75_01.jpg

也許有人有一個解決方案，甚至是對我迄今為止的正則表達式的改進。

您的文件路徑似乎組織如下：

• 文件名以多位數字開頭。
• 路徑以包含該數字的前兩位數字的目錄開頭。
• 它繼續一個由整個數字組成的子目錄。
• 有問題的文件直接位於該子目錄中，並且除了以上述數字開頭之外，還具有來自有限可能性的副檔名。

如果您有不同的方法來辨識包含文件名的行，這可能是更可取的。如果有不同模式的文件名，並且您想專注於顯示的模式，那麼下面的 RegEx 應該可以工作（範例grep在 ERE 模式下使用 GNU）：

grep -E -w -o '([[:digit:]]{2})/(\1[[:digit:]]+)/\2[^[:digit:]][^/]*\.(jpg|tif|zip)' logfile.txt

這使用反向引用（\1和\2）來確保“相同的文本”在字元串的不同位置匹配。

• 字元串必須以兩位數字和一個斜杠開頭。
• 然後它需要以與開頭相同的兩位數字繼續，後跟一個未指定的數字（如果數字具有固定範圍，則可以替換為）和+ 斜線{2,10}
• 然後，它以與第二個路徑元素相同的數字開頭，後跟一個非數字字元（以確保該數字與第二個路徑元素確實相同）和/除-directories 或保護同一行上存在多個文件路徑）直到文件副檔名的最終替代方案（您可以根據需要調整的數量）。
• 該-o選項確保只返回行的匹配部分（即文件路徑）。該-w選項確保結果僅匹配完整字元串，即不匹配可能較長文件路徑的子字元串。這要求文件名不包含空格（這是文件名的有效字元！）。

請注意，嚴格來說，反向引用是保證僅在基本正則表達式中有效的功能，而替代方案僅保證在擴展正則表達式中有效。GNUgrep擴展的正則表達式確實允許反向引用，所以它在這種情況下有效（這可能不是太大的限制）。

引用自：https://unix.stackexchange.com/questions/714468