Grep RegEx'ten Grup Yakalama

Bu küçük komut dosyasını sh(Mac OSX 10.6) bir dizi dosyaya bakmak için aldım . Google bu noktada yardımcı olmayı bıraktı:

files="*.jpg"
for f in $files
    do
        echo $f | grep -oEi '[0-9]+_([a-z]+)_[0-9a-z]*'
        name=$?
        echo $name
    done

Şimdiye kadar (açıkçası, size gurular için) dosya adının sağlanan konuyla eşleştiğine $namebağlı olarak sadece 0, 1 veya 2 tutar grep. İstediğim şey, ebeveynlerin içindekileri yakalamak ([a-z]+)ve bunu bir değişkene depolamak .

Mümkünse yalnızca kullanmakgrep istiyorum . Değilse, lütfen Python veya Perl, vb. sedVeya bunun gibi bir şey yok - Kabuk için yeniyim ve buna * nix purist açıdan saldırmak istiyorum.

Ayrıca, süper serin bir bonu olarak, kabuğundaki dizeyi nasıl birleştirebileceğimi merak ediyorum? Yakaladığım grup $ sinde saklanan "somename" dizesi miydi ve sonuna ".jpg" dizesini eklemek istedim, yapabilir miyim cat $name '.jpg'?

Eğer vaktiniz varsa lütfen neler olduğunu açıklayın.

Bash kullanıyorsanız, aşağıdakileri bile kullanmanıza gerek yoktur grep:

files="*.jpg"
regex="[0-9]+_([a-z]+)_[0-9a-z]*"
for f in $files    # unquoted in order to allow the glob to expand
do
    if [[ $f =~ $regex ]]
    then
        name="${BASH_REMATCH[1]}"
        echo "${name}.jpg"    # concatenate strings
        name="${name}.jpg"    # same thing stored in a variable
    else
        echo "$f doesn't match" >&2 # this could get noisy if there are a lot of non-matching files
    fi
done

Normal ifadeyi bir değişkene koymak daha iyidir. Bazı desenler kelimenin tam anlamıyla dahil edilirse çalışmaz.

=~Bash'ın normal ifade eşleştirme operatörü olan bu kullanır . Maçın sonuçları adlı bir diziye kaydedilir $BASH_REMATCH. İlk yakalama grubu dizin 1'de, ikincisi (varsa) dizin 2'de vb. Saklanır. İndeks sıfır tam eşleşmedir.

Çapa olmadan, bu normal ifadenin (ve kullananın grep) aşağıdaki örneklerden herhangi biriyle ve daha fazlasıyla eşleşeceğini bilmelisiniz; bu , aradığınız şey olmayabilir:

123_abc_d4e5
xyz123_abc_d4e5
123_abc_d4e5.xyz
xyz123_abc_d4e5.xyz

İkinci ve dördüncü örnekleri ortadan kaldırmak için normal ifadenizi şu şekilde yapın:

^[0-9]+_([a-z]+)_[0-9a-z]*

dizenin bir veya daha fazla basamakla başlaması gerektiğini belirtir . Karat, ipin başlangıcını temsil eder. Normal ifadenin sonuna bir dolar işareti eklerseniz, şöyle:

^[0-9]+_([a-z]+)_[0-9a-z]*$

nokta, normal ifadedeki karakterler arasında olmadığından ve dolar işareti dizenin sonunu temsil ettiğinden üçüncü örnek de ortadan kaldırılır. Dördüncü örneğin de bu eşleşmeyi geçemediğini unutmayın.

GNU'nuz varsa grep(yaklaşık 2.5 veya üstü, bence, \Koperatör eklendiğinde):

name=$(echo "$f" | grep -Po '(?i)[0-9]+_\K[a-z]+(?=_[0-9a-z]*)').jpg

\KOperatör (değişken uzunlukta olan ileriye dönük) maça önceki deseni neden olur, ancak sonuç maçı içermez. Sabit uzunluklu eşdeğer (?<=)- desen, kapanış parantezinden önce dahil edilir. Sen kullanmalıdır \Knicelik farklı uzunlukta dizeleri eşleşebilir eğer (örneğin +, *, {2,4}).

(?=)Operatör maçları sabit veya değişken uzunlukta desen ve "ileriye bakma" denir. Sonuçta eşleşen dizeyi de içermez.

Eşleşmeyi büyük / küçük harfe duyarsız hale getirmek için (?i)operatör kullanılır. Onu takip eden kalıpları etkiler, böylece konumu önemlidir.

Normal adın, dosya adında başka karakterler olup olmadığına bağlı olarak ayarlanması gerekebilir. Bu durumda, alt dizenin yakalandığı sırada bir dizeyi bitiştirmeye bir örnek gösterdiğimi göreceksiniz.

Bu saf ile gerçekten mümkün değil grep, en azından genel olarak değil.

Ancak, deseniniz uygunsa, grepönce çizginizi bilinen bir biçime azaltmak ve ardından yalnızca istediğiniz biti çıkarmak için bir boru hattı içinde birden çok kez kullanabilirsiniz . (Araçlar gibi cutve bu sedkonuda çok daha iyi olmasına rağmen ).

Diyelim ki deseninizin biraz daha basit olduğu iddiası için: [0-9]+_([a-z]+)_Bunu şu şekilde çıkarabilirsiniz:

echo $name | grep -Ei '[0-9]+_[a-z]+_' | grep -oEi '[a-z]+'

Birincisi grep, genel babanızla eşleşmeyen satırları kaldıracak, ikincisi grep( --only-matchingbelirtilen) adın alfa kısmını görüntüleyecektir. Bu sadece desen uygun olduğu için çalışır: "alfa kısmı" ne istediğinizi ortaya çıkaracak kadar spesifiktir.

(Kenara: Şahsen ben sonradan ne elde etmek için grep+ cutkullanırdım: echo $name | grep {pattern} | cut -d _ -f 2Bu cut, sınırlayıcı üzerinde bölünerek hattı alanlara ayrıştırmak alır _ve sadece alan 2 döndürür (alan numaraları 1'den başlar).

Unix felsefesi, bir şeyi yapan ve iyi yapan araçlara sahip olmak ve önemsiz olmayan görevler elde etmek için bunları birleştirmektir, bu yüzden grep+ sedetc'nin bir şeyler yapmanın daha Unixy bir yolu olduğunu iddia ediyorum :-)

Bunun için bir cevabın zaten kabul edildiğini anlıyorum, ancak "kesinlikle * nix saflık açısından" iş için doğru araç gibi görünüyor pcregrep, ki bu henüz belirtilmemiş gibi görünüyor. Çizgileri değiştirmeyi deneyin:

    echo $f | grep -oEi '[0-9]+_([a-z]+)_[0-9a-z]*'
    name=$?

Aşağıdakilere

    name=$(echo $f | pcregrep -o1 -Ei '[0-9]+_([a-z]+)_[0-9a-z]*')

sadece yakalama grubunun içeriğini almak için 1.

pcregrepAracı zaten kullandım aynı sözdizimi tüm kullanır grep, ancak uygular işlevselliği gerektiğini.

Parametre , çıplaksa sürüm -ogibi çalışır grep, ancak pcregrephangi yakalama grubunu göstermek istediğinizi belirten sayısal bir parametreyi de kabul eder .

Bu çözümle, komut dosyasında minimum bir değişiklik gerekir. Sadece bir modüler yardımcı programı diğeriyle değiştirir ve parametreleri düzenlersiniz.

İlginç Not: Birden çok yakalama grubunu satırda göründükleri sırayla döndürmek için birden çok -o bağımsız değişkenlerini kullanabilirsiniz.

Sadece grep'te mümkün değil inanıyorum

sed için:

name=`echo $f | sed -E 's/([0-9]+_([a-z]+)_[0-9a-z]*)|.*/\2/'`

Yine de bonusu bir bıçakla alacağım:

echo "$name.jpg"

Bu gawk kullanan bir çözümdür. Sık kullanmam gereken bir şey buldum, bu yüzden bunun için bir işlev oluşturdum

function regex1 { gawk 'match($0,/'$1'/, ary) {print ary['${2:-'1'}']}'; }

kullanmak sadece yapmak

$ echo 'hello world' | regex1 'hello\s(.*)'
world

Sizin için bir öneri - adın bir kısmını son alt çizgiden itibaren ve benzer şekilde başlangıçta kaldırmak için parametre genişletmeyi kullanabilirsiniz:

f=001_abc_0za.jpg
work=${f%_*}
name=${work#*_}

Sonra namedeğeri olacaktır abc.

Bkz. Apple geliştirici belgeleri , 'Parametre Genişletme' için arama yapın.

eğer bashınız varsa, genişletilmiş globbing kullanabilirsiniz

shopt -s extglob
shopt -s nullglob
shopt -s nocaseglob
for file in +([0-9])_+([a-z])_+([a-z0-9]).jpg
do
   IFS="_"
   set -- $file
   echo "This is your captured output : $2"
done

veya

ls +([0-9])_+([a-z])_+([a-z0-9]).jpg | while read file
do
   IFS="_"
   set -- $file
   echo "This is your captured output : $2"
done