如何在 linux 下以 php/preg 方式使用命令行提取一些擷取組？

鑑於在 Linux 環境中存在許多用於操作字元串的包（grep、awk、sed、…），我想要一個軟體以類似 php/preg 的語法提取擷取組。

也許最接近的是，grep -P但我不明白它是如何工作的。

像這樣的東西cat file.txt | grep -P '/something="([\w]+)"/i'似乎不僅僅給我擷取組內的內容。

有人可以為我提供一些工作範例嗎？許多人請，並解釋了一些變體和限制！

編輯：我看到某處用於sed此目的，但我仍然對它的語法有點困惑。

pcregrep -io1 'something="(\w+)"' myfile.txt

（-i對於不區分大小寫的匹配，-o1列印第一個擷取組）。

GNUgrep支持-P（如果使用 perl 兼容的正則表達式支持建構）和-o. 然而，它-o僅限於列印整個匹配的部分。但是，您可以使用 perl 環視運算符來解決這個問題：

grep -iPo '(?<=something=")\w+(?=")' myfile.txt

（即，匹配單片語件字元序列的正則表達式，前提是它跟在它something="後面並且後面跟著"）。

或者最近足夠的PCRE：

grep -iPo 'something="\K\w+(?=")' myfile.txt

（\K重置匹配字元串的開頭）。

但如果你要使用 perl 正則表達式，你不妨使用perl：

perl -C -lne 'print for /something="(\w+)"/ig' myfile.txt

使用 GNU 或 BSD sed，每行只返回最右邊的匹配：

sed -nE 's/.*something="(\w+)".*/\1/pi' myfile.txt

可移植（因為擴展的正則表達式支持和不區分大小寫的匹配是非標準擴展，並非所有sed實現都支持）：

sed -n 's/.*[sS][oO][mM][eE][tT][hH][iI][nN][gG]="\([[:alnum:]_]\{1,\}\)".*/\1/p' myfile.txt

那個假設大寫i是I. 這意味著在例如大寫的語言環境中i，İ行為將與以前的解決方案不同。

一個標準/攜帶式解決方案，可以找到一行中的所有事件：

awk '{while(match(tolower($0), /something="[[:alnum:]_]+"/)) {
   print substr($0, RSTART+11, RLENGTH-12)
   $0 = substr($0, RSTART+RLENGTH-1)}}' myfile.txt

如果輸入包含小寫版本的長度（以字元數計）不同的文本，則可能無法正常工作。

陷阱：

• 所有這些解決方案在C/POSIX 以外的語言環境中匹配\w（和）的內容會有所不同。[[:alnum:]_]在任何情況下，它至少應該包括下劃線、所有十進制阿拉伯數字和拉丁英文字母表中的字母（大寫和小寫）。如果您只想要這些，請將語言環境修復為 C。

• 如前所述，不區分大小寫的匹配非常依賴於語言環境。如果你只關心a-zvsA-Z英文字母，你可以再次將 locale 固定為 C。

• 至少.具有 GNU 實現的regexp 運算符永遠不會匹配不是有效字元一部分的字節序列。sed例如，在 UTF-8 語言環境中，這意味著它不會匹配具有第 8 位集的單字節字元集中的字元。或者換句話說，要使sed解決方案正常工作，輸入文件中使用的字元集必須與使用者語言環境中的字元集相同。

• perl,pcregrep並且 GNU 實用程序通常可以處理任意長度的行，並且包含任意字節值（但請注意上面的警告），並且會將最後一個換行符之後的額外數據視為額外行。這些實用程序的其他實現可能不會。

• 上面的模式依次與輸入中的每一行匹配。這意味著它們不能匹配多於一行的輸入。something="\w+"對於不能跨越多行的模式來說不是問題，但在一般情況下，如果您希望您的模式匹配可能跨越多行的文本，例如something=".*?"，那麼您需要：

  • 更改您處理的記錄類型。grep --null, sed -z（sed僅限 GNU），perl -0, awk -v RS='\0'（僅限 GNUawk和最新版本mawk）可以處理 NUL 分隔的記錄而不是行（換行符分隔的記錄），GNUawk可以使用任何正則表達式作為記錄分隔符（使用-v RS='regexp'),perl any byte value (with-0ooo`）。
  • pcregrep有一個-M多行模式。
  • 使用perlslurp 模式，其中整個輸入是一個記錄（使用-0777）然後，對於 perl 和 pcre ，請注意.除非啟用標誌，否則不會匹配換行符s，例如使用pcregrep -Mio1 '(?s)something="(.*?)"'orperl -C -l -0777 -ne 'print for /something="(.*?)"/gis'

• 請注意，某些版本的grepandpcregrep有-zor的錯誤-M，而 regexp 引擎通常會對匹配 regexp 的工作量有一些內置限制。

引用自：https://unix.stackexchange.com/questions/271651