使用 sed 在每行开头捕获不同长度的数字

Question

我正在处理一个格式如下的文件：

12345:ABCDEFG

789:HIJK

4963158:LMNOPQRSTUV

每行以不同长度的数字开头，后跟一个冒号，然后是一串不同长度的字母。我想只捕获每行开头的数字并将它们放入一个新文件中，如下所示。

12345

789

4963158

这与我得到的最接近，但它仍然打印整行，而不仅仅是数字。

sed -r 's/([^0-9]+d)(:)([A-Z]+)$/\1/' example.txt >> justnumbers.txt

我在语法上做错了什么？

Answer 1

有时，以不同的方式看待问题可以得出更简单的答案。

您将其视为“我想保留 : 之前的所有数字”，这是完全合理的。另一种看待它的方式可能是“我想扔掉从 : 到结尾的所有内容”。

这导致

s/:.*//

作为 sed 命令。

例如

$ cat x
12345:ABCDEFG
789:HIJK
4963158:LMNOPQRSTUV

$ sed 's/:.*//' x
12345
789
4963158

Answer 2

如果要点是返回:每行第一行剩下的内容，那么只需执行以下操作：

\n

<your-file cut -d: -f1\n

\n

添加该-s选项将跳过不包含任何:.

\n

要返回:由 1 个或多个 ASCII 数字后跟一个或多个 ASCII 大写字母组成的行中剩下的内容，:并丢弃与该模式不匹配的任何行，您可以使用sed// awk：perl

\n

<your-file sed -n '^\\([0123456789]\\{1,\\}\\):[ABCDEFGHIJKLMNOPQRSTUVWXYZ]\\{1,\\}$/\\1/p'\n

\n

或者：

\n

<your-file LC_ALL=C sed -n 's/^\\([0-9]\\{1,\\}\\):[A-Z]\\{1,\\}$/\\1/p'\n

\n

（C区域设置是唯一保证这些[0-9],[A-Z]范围等于第一个命令中的显式集的区域设置）。

\n

或者，如果您sed支持xtending 正则表达式-E的选项E（从 70 年代开始扩展，而不是 60 年代\xc2\xb9，尽管sed实现直到 90 年代末才开始添加对它们的支持）：

\n

<your-file LC_ALL=C sed -nE 's/^([0-9]+):[A-Z]+$/\\1/p'\n

\n

或者使用perl（使用 80 年代\xc2\xb9 的正则表达式）：

\n

<your-file perl -lne 'print $1 if /^(\\d+):[A-Z]+$/'\n

\n

pcregrep是一个grep使用perl类似正则表达式并支持-o<n>输出n^第一个捕获组的实现：

\n

<your-file pcregrep -xo1 '(\\d+):[A-Z]+'\n

\n

有些grep实现也有一个-o选项，但仅输出整个匹配，但有些支持-P使用类似 perl 的正则表达式，您可以使用环视运算符来检查内容，而不将它们包含在匹配中：

\n

<your-file grep -Po '^(\\d+)(?=:[A-Z]+$)'\n

\n

它匹配行开头的 1 个或多个数字序列，前提是后面跟着(?=...), :1 个或多个[A-Z]s （在 perl 正则表达式中不区分区域设置，因此LC_ALL=C没有必要），然后是结尾的线。

\n\n

^{\xc2\xb9 公平地说，从那时起它们都在不断发展，特别是对于 perl 来说。70 年代末的 ERE 添加了+, ?and |（更重要的是一种用于匹配的新算法），但丢失了\\x反向引用。\\{min,max\\}在 80 年代后期被添加到 BRE（因此可以执行与+和相同的操作?），{min,max}后来再次添加到 ERE，但并不总是如此，因为这破坏了向后兼容性。POSIX 引入了一些[[:class:]], [[=x=]], [[.x.]]（为了更好或更有价值）。BRE/ERE 的某些实现都有非标准扩展，包括一些来自perl或\\d的扩展*?。}

\n

Answer 3

尝试这个：

sed -E 's/([0-9]+):[A-Z]+/\1/' example.txt

与-E相同-r，但现在更标准一些。

正则表达式中的问题是您在开头使用负括号表达式 ( [^0-9])，然后匹配文字d字符。

我还删除了额外的捕获组，因为不需要它们。

总的来说，非常努力！你们真的很亲密。这些是您在开始使用正则表达式时遇到的问题。