使用正则表达式匹配重复模式

Question

假设我有一个如下文件

1,2,3-5,6
1,2,3-5,6,
1
1-3
1,2,3-,4,5-7
1,2,3-,4,5-7,
1,2,-3,4,5
1,2,-,3,4
1,2,,,3,4
,1,2,3

只有以下规则的组合才被视为有效：

1. 范围 [0-9]+-[0-9]+
2. 团体 [0-9]+,[0-9]+
3. 单号 [0-9]+

以逗号结尾的行也应该被认为是有效的

我只想提取

1,2,3-5,6
1,2,3-5,6,
1
1-3

由于下面显示的其他行不符合规则

1,2,3-,4,5-7
1,2,3-,4,5-7,
1,2,-3,4,5
1,2,-,3,4
1,2,,,3,4
,1,2,3

因为有些行的范围不完整，有些行缺少组中的数字

---

PS：唯一PCRE兼容的grep解决方案会很棒，但也欢迎其他解决方案

Answer 1

与您列出的字符串（以及以 a 开头的字符串）匹配的完整 pcre,可能是：

grep -P '^((^|,)([0-9]+(-[0-9]+)?(,|$))+)$'

我们是怎么到那里的？

要匹配的最基本元素是数字，假设[0-9]或\dPCRE 中更简单的元素是英文 (ASCII) 数字的正确正则表达式。这也可能不是。例如，它可以匹配梵文数字。那么你需要写：[0123456789]准确地说。

然后，一串数字将被匹配[0-9]+。

在一个数字（1 或 3 或 26）之后可能有一个破折号“-”，后跟一个或几个数字（又是一个数字）：

[0-9]+(-[0-9]+)?

其中?使破折号序列可选。

然后，这些数字中的每一个：（3或数字范围：）4-9后面应该跟一个逗号,（多次）：

([0-9]+(-[0-9]+)?,)+

除了最后一个逗号可能会丢失：

([0-9]+(-[0-9]+)?(,|$))+

并且，如果需要，可能会出现一个前导逗号：

(^|,)([0-9]+(-[0-9]+)?(,|$))+

将正则表达式锚定到测试文本的开头和结尾是一个很好的主意：

^((^|,)([0-9]+(-[0-9]+)?(,|$))+)$

您可以在本站测试和编辑PCRE 正则表达式

如果应拒绝前导逗号，请使用：

^(([0-9]+(-[0-9]+)?(,|$))+)$

这对正则表达式机器没有任何可选的解释。所有都必须匹配，任何不匹配的都会被拒绝。

它可以写成一个（GNU）扩展正则表达式：

grep -E '^(([0-9]+(-[0-9]+)?(,|$))+)$'

作为基本正则表达式 (BRE)：

grep '^\(\([0-9]\{1,\}\(-[0-9]\{1,\}\)\{0,1\},\{0,1\}\)\{1,\}\)$'

如果逗号,是可选的{0,1}，正则表达式引擎可能会决定匹配什么。

Answer 2

使用awk分解每一行到逗号分隔的字段，然后在拆分成破折号子字段的字段内容，同时删除包含不必要的字段或子字段行：

BEGIN { FS = "," }

{
    for (i = 1; i <= NF; ++i) {
        # Only the 1st field is allowed to be
        # empty, but only if there are further
        # fields (avoids empty lines).

        if ($i == "" && (i != 1 || NF == 1)) next

        # If the field is split on dashes, it
        # should split into no more than two
        # elements.

        if ((n = split($i, a, "-")) > 2) next

        # Each split-up element needs to be made
        # up of decimal digits only.

        for (j = 1; j <= n; ++j)
            if (a[j] !~ "^[[:digit:]]+$") next
    }

    # The current line is ok to print.

    print
}

这将被用作

awk -f script file

其中，script持有的awk程序。

或者，作为“一次性”：

awk -F, '{for(i=1;i<=NF;++i){if(($i==""&&(i!=1||NF==1))||((n=split($i,a,"-"))>2))next;for(j=1;j<=n;++j)if(a[j]!~"^[[:digit:]]+$")next}};1' file

您可以5-2在j循环后轻松添加对“向后范围”（例如）的检查：

if (n == 2 && a[1] > a[2]) next