Захват групп из Grep RegEx

У меня есть этот маленький скрипт в sh(Mac OSX 10.6) для просмотра массива файлов. Google перестал быть полезным на этом этапе:

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

До сих пор (очевидно, что вы, гуру оболочки) $nameпросто держите 0, 1 или 2, в зависимости от того, grepобнаружено ли, что имя файла соответствует указанному вопросу. То, что я хотел бы, это захватить то, что находится внутри паренов, ([a-z]+)и сохранить это в переменной .

Я хотел бы использовать grepтолько, если это возможно . Если нет, пожалуйста, не используйте Python или Perl и т. Д. sedИли что-то в этом роде - я новичок в shell и хотел бы атаковать это с точки зрения * nix purist.

Кроме того, как супер крутые бонусы , мне интересно, как я могу объединить строку в оболочке? Была ли захваченная группа строкой «somename», хранящейся в $ name, и я хотел добавить строку «.jpg» в конец, не так ли cat $name '.jpg'?

Пожалуйста, объясните, что происходит, если у вас есть время.

Если вы используете Bash, вам даже не нужно использовать 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

Лучше поместить регулярное выражение в переменную. Некоторые шаблоны не будут работать, если включены буквально.

Используется =~оператор Bash для регулярных выражений. Результаты матча сохраняются в массиве с именем $BASH_REMATCH. Первая группа захвата сохраняется в индексе 1, вторая (если есть) в индексе 2 и т. Д. Индекс ноль - это полное совпадение.

Вы должны знать, что без якорей это регулярное выражение (и то, которое использует grep) будет соответствовать любому из следующих примеров и более, которые могут не соответствовать тому, что вы ищете:

123_abc_d4e5
xyz123_abc_d4e5
123_abc_d4e5.xyz
xyz123_abc_d4e5.xyz

Чтобы исключить второй и четвертый примеры, сделайте свое регулярное выражение следующим образом:

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

который говорит, что строка должна начинаться с одной или нескольких цифр. Карат представляет начало строки. Если вы добавите знак доллара в конце регулярного выражения, вот так:

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

тогда третий пример также будет исключен, поскольку точка не находится среди символов в регулярном выражении, а знак доллара представляет конец строки. Обратите внимание, что четвертый пример также не соответствует этому совпадению.

Если у вас есть GNU grep(около 2,5 или более поздней версии, я думаю, когда \Kоператор был добавлен):

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

\KОператор ( с переменной длиной смотреть-сзади) вызывает предыдущий образец , чтобы соответствовать, но не включает в себя матч в результате. Эквивалент фиксированной длины (?<=)- шаблон будет включен перед закрывающей скобкой. Вы должны использовать , \Kесли кванторы могут соответствовать строки различной длины (например +, *, {2,4}).

В (?=)операторе соответствует фиксированному или модели переменной длины и называются «упреждающим». Это также не включает совпавшую строку в результат.

Чтобы сделать совпадение без учета регистра, используется (?i)оператор. Это влияет на паттерны, которые следуют за ним, поэтому его положение является значительным.

Регулярное выражение может потребоваться изменить в зависимости от того, есть ли в имени файла другие символы. Вы заметите, что в этом случае я показываю пример объединения строки в то же время, когда подстрока захвачена.

Это не возможно с чистым grep, по крайней мере, вообще.

Но если ваш шаблон подходит, вы можете использовать его grepнесколько раз в конвейере, чтобы сначала привести свою строку к известному формату, а затем извлечь нужный бит. (Хотя инструменты, как cutи sedгораздо лучше в этом).

Предположим, что ваш шаблон немного проще: [0-9]+_([a-z]+)_вы можете извлечь это так:

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

Первая grepудалит все строки, которые не соответствуют вашему общему шаблону, вторая grep(которая --only-matchingуказала) будет отображать альфа-часть имени. Это работает только потому, что шаблон подходит: «альфа-часть» достаточно конкретна, чтобы вытянуть то, что вы хотите.

(Помимо: лично я бы использовал grep+ cutдля достижения того, что вы после:. echo $name | grep {pattern} | cut -d _ -f 2Это позволяет cutпроанализировать строку на поля путем разделения на разделитель _и возвращает только поле 2 (номера полей начинаются с 1)).

Философия Unix состоит в том, чтобы иметь инструменты, которые делают одну вещь, и делают это хорошо, и объединяют их для достижения нетривиальных задач, поэтому я бы сказал, что grep+ sedetc - это более Unixy способ делать вещи :-)

Я понимаю, что ответ на этот вопрос уже был принят, но с «строго * nix пуристской точки зрения” кажется, что это правильный инструмент для работы pcregrep, о котором пока не упоминалось. Попробуйте изменить строки:

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

к следующему:

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

получить только содержимое группы захвата 1.

pcregrepИнструмент использует все тот же синтаксис , вы уже использовали с grep, но реализует функциональные возможности, которые вам нужно.

Параметр -oработает так же, как grepверсия, если он пуст, но он также принимает числовой параметр pcregrep, который указывает, какую группу захвата вы хотите показать.

Благодаря этому решению в сценарии требуется минимум изменений. Вы просто заменяете одну модульную утилиту другой и настраиваете параметры.

Интересное примечание: Вы можете использовать несколько аргументов -o для возврата нескольких групп захвата в порядке их появления в строке.

Не возможно в просто grep я верю

для седа:

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

Я возьму удар на бонус, хотя:

echo "$name.jpg"

Это решение, которое использует gawk. Это то, что мне нужно часто использовать, поэтому я создал для него функцию

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

использовать просто сделать

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

Совет для вас - вы можете использовать расширение параметра, чтобы удалить часть имени из последнего подчеркивания и далее, аналогично в начале:

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

Тогда nameбудет иметь значение abc.

См. Документацию Apple для разработчиков , ищите «Расширение параметров».

если у вас есть Bash, вы можете использовать расширенную Globbing

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

или

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