如何仅使用sed输出捕获的组？

Question

有没有办法告诉sed输出只捕获的组？例如,给定输入:

This is a sample 123 text and some 987 numbers

和模式:

/([\d]+)/

我可以通过反向引用格式化的方式获得123和987输出吗？

Answer 1

让它工作的关键是告诉sed您排除不想输出的内容以及指定您想要的内容.

string='This is a sample 123 text and some 987 numbers'
echo "$string" | sed -rn 's/[^[:digit:]]*([[:digit:]]+)[^[:digit:]]+([[:digit:]]+)[^[:digit:]]*/\1 \2/p'

这说:

• 不要默认打印每一行(-n)
• 排除零个或多个非数字
• 包括一个或多个数字
• 排除一个或多个非数字
• 包括一个或多个数字
• 排除零个或多个非数字
• 打印替换(p)

通常,在sed使用括号捕获组并使用后引用输出捕获的组:

echo "foobarbaz" | sed 's/^foo\(.*\)baz$/\1/'

将输出"bar".如果使用-r(-E对于OS X)扩展正则表达式,则无需转义括号:

echo "foobarbaz" | sed -r 's/^foo(.*)baz$/\1/'

最多可以有9个捕获组及其反向引用.后引用按组显示的顺序编号,但它们可以按任何顺序使用,并且可以重复:

echo "foobarbaz" | sed -r 's/^foo(.*)b(.)z$/\2 \1 \2/'

输出"a bar a".

如果你有GNU grep(它也可以在BSD中工作,包括OS X):

echo "$string" | grep -Po '\d+'

或变化,如:

echo "$string" | grep -Po '(?<=\D )(\d+)'

该-P选项启用Perl兼容正则表达式.见man 3 pcrepattern或man 3 pcresyntax.

Answer 2

Sed最多有九种记忆模式,但你需要使用转义括号来记住正则表达式的部分内容.

请参阅此处以获取示例和更多详细信

Answer 3

你可以用grep

grep -Eow "[0-9]+" file

Answer 4

我相信问题中给出的模式只是举例,目标是匹配任何模式.

如果你有一个带有GNU扩展的sed允许在模式空间中插入换行符,一个建议是:

> set string = "This is a sample 123 text and some 987 numbers"
>
> set pattern = "[0-9][0-9]*"
> echo $string | sed "s/$pattern/\n&\n/g" | sed -n "/$pattern/p"
123
987
> set pattern = "[a-z][a-z]*"
> echo $string | sed "s/$pattern/\n&\n/g" | sed -n "/$pattern/p"
his
is
a
sample
text
and
some
numbers

这些例子与CYGWIN的tcsh(是的,我知道它是错误的shell)有关.(编辑:对于bash,删除set,以及=周围的空格.)

Answer 5

放弃并使用Perl

既然sed不削减它,让我们只是扔掉毛巾并使用Perl,至少它是LSB而grepGNU扩展不是:-)

• 打印整个匹配部分,不需要匹配的组或外观:

  cat <<EOS | perl -lane 'print m/\d+/g'
  a1 b2
  a34 b56
  EOS
  

  输出:

  12
  3456
  

• 每行单个匹配,通常是结构化数据字段:

  cat <<EOS | perl -lape 's/.*?a(\d+).*/$1/g'
  a1 b2
  a34 b56
  EOS
  

  输出:

  1
  34
  

  随着背后:

  cat <<EOS | perl -lane 'print m/(?<=a)(\d+)/'
  a1 b2
  a34 b56
  EOS
  

• 多个字段:

  cat <<EOS | perl -lape 's/.*?a(\d+).*?b(\d+).*/$1 $2/g'
  a1 c0 b2 c0
  a34 c0 b56 c0
  EOS
  

  输出:

  1 2
  34 56
  

• 每行多个匹配,通常是非结构化数据:

  cat <<EOS | perl -lape 's/.*?a(\d+)|.*/$1 /g'
  a1 b2
  a34 b56 a78 b90
  EOS
  

  输出:

  1 
  34 78
  

  随着背后:

  cat EOS<< | perl -lane 'print m/(?<=a)(\d+)/g'
  a1 b2
  a34 b56 a78 b90
  EOS
  

  输出:

  1
  3478
  

Answer 6

运行数字

此答案适用于任何数字组计数.例:

$ echo 'Num123that456are7899900contained0018166intext' |
> sed -En 's/[^0-9]*([0-9]{1,})[^0-9]*/\1 /gp'
123 456 7899900 0018166

扩大答案.

有没有办法告诉sed只输出捕获的组？

是.替换捕获组的所有文本:

$ echo 'Number 123 inside text' | sed 's/[^0-9]*\([0-9]\{1,\}\)[^0-9]*/\1/'
123

s/[^0-9]*                           # several non-digits
         \([0-9]\{1,\}\)            # followed by one or more digits
                        [^0-9]*     # and followed by more non-digits.
                               /\1/ # gets replaced only by the digits.

或者使用扩展语法(减少反引号并允许使用+):

$ echo 'Number 123 in text' | sed -E 's/[^0-9]*([0-9]+)[^0-9]*/\1/'
123

要避免在没有数字时打印原始文本,请使用:

$ echo 'Number xxx in text' | sed -En 's/[^0-9]*([0-9]+)[^0-9]*/\1/p'

• (-n)默认情况下不打印输入.
• (/ p)仅在更换时打印.

并匹配几个数字(并打印它们):

$ echo 'N 123 in 456 text' | sed -En 's/[^0-9]*([0-9]+)[^0-9]*/\1 /gp'
123 456

这适用于任何数字运行计数:

$ str='Test Num(s) 123 456 7899900 contained as0018166df in text'
$ echo "$str" | sed -En 's/[^0-9]*([0-9]{1,})[^0-9]*/\1 /gp'
123 456 7899900 0018166

这与grep命令非常相似:

$ str='Test Num(s) 123 456 7899900 contained as0018166df in text'
$ echo "$str" | grep -Po '\d+'
123
456
7899900
0018166

关于\ d

和模式: /([\d]+)/

Sed无法识别'\ d'(快捷方式)语法.上面使用的ascii等价物[0-9]并不完全相同.唯一的替代解决方案是使用字符类:'[[:digit:]]`.

所选答案使用这样的"字符类"来构建解决方案:

$ str='This is a sample 123 text and some 987 numbers'
$ echo "$str" | sed -rn 's/[^[:digit:]]*([[:digit:]]+)[^[:digit:]]+([[:digit:]]+)[^[:digit:]]*/\1 \2/p'

该解决方案仅适用于(确切)两个数字运行.

当然,由于答案是在shell中执行的,我们可以定义几个变量来缩短这样的答案:

$ str='This is a sample 123 text and some 987 numbers'
$ d=[[:digit:]]     D=[^[:digit:]]
$ echo "$str" | sed -rn "s/$D*($d+)$D+($d+)$D*/\1 \2/p"

但是,正如已经解释的那样,使用s/…/…/gp命令更好:

$ str='This is 75577 a sam33ple 123 text and some 987 numbers'
$ d=[[:digit:]]     D=[^[:digit:]]
$ echo "$str" | sed -rn "s/$D*($d+)$D*/\1 /gp"
75577 33 123 987

这将涵盖重复的数字运行和编写短(呃)命令.

Answer 7

尝试

sed -n -e "/[0-9]/s/^[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\).*$/\1 \2 \3 \4 \5 \6 \7 \8 \9/p"

我在cygwin下得到了这个:

$ (echo "asdf"; \
   echo "1234"; \
   echo "asdf1234adsf1234asdf"; \
   echo "1m2m3m4m5m6m7m8m9m0m1m2m3m4m5m6m7m8m9") | \
  sed -n -e "/[0-9]/s/^[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\)[^0-9]*\([0-9]*\).*$/\1 \2 \3 \4 \5 \6 \7 \8 \9/p"

1234
1234 1234
1 2 3 4 5 6 7 8 9
$

Answer 8

您需要包含整行来打印组，这是您在第二个命令中执行的操作，但不需要对第一个通配符进行分组。这也将起作用：

echo "/home/me/myfile-99" | sed -r 's/.*myfile-(.*)$/\1/'