sed、awk、またはgawkを使用して、一致するものだけを印刷する方法

sed、awk、またはgawkを使用して検索と置換などを行う方法について、多くの例とmanページを参照しています。

しかし、私の場合、特定の値を抽出するためにテキストファイルに対して実行する正規表現があります。検索と置換を行いたくありません。これはbashから呼び出されています。例を使用してみましょう：

正規表現の例：

.*abc([0-9]+)xyz.*

入力ファイルの例：

a
b
c
abc12345xyz
a
b
c

これは簡単に聞こえますが、sed / awk / gawkを正しく呼び出す方法がわかりません。私が望んでいたことは、私のbashスクリプト内からです：

myvalue=$( sed <...something...> input.txt )

私が試したことは次のとおりです。

sed -e 's/.*([0-9]).*/\\1/g' example.txt # extracts the entire input file
sed -n 's/.*([0-9]).*/\\1/g' example.txt # extracts nothing

私sed（Mac OS X）はで動作しませんでした+。*代わりに試し、pマッチを印刷するためのタグを追加しました：

sed -n 's/^.*abc\([0-9]*\)xyz.*$/\1/p' example.txt

なしで少なくとも1つの数字と一致させる+には、次のようにします。

sed -n 's/^.*abc\([0-9][0-9]*\)xyz.*$/\1/p' example.txt

sedを使用してこれを行うことができます

 sed -rn 's/.*abc([0-9]+)xyz.*/\1/gp'

• -n 結果の行を印刷しません
• -rこれにより、キャプチャグループの括弧がエスケープされなくなります()。
• \1 キャプチャグループの一致
• /g グローバルマッチ
• /p 結果を印刷する

これを簡単にするためのツールを自分で作成しました

rip 'abc(\d+)xyz' '$1'

私はperlこれを自分で簡単にするために使用します。例えば

perl -ne 'print $1 if /.*abc([0-9]+)xyz.*/'

これはPerl -nを実行します。オプションは、STDINから一度に1行ずつ読み取り、コードを実行するようにPerlに指示します。-eオプションは、実行するための命令を指定します。

この命令は、読み取った行で正規表現を実行し、一致する場合、最初のセットのブラケット（$1）の内容を出力します。

最後に複数のファイル名を指定することもできます。例えば

perl -ne 'print $1 if /.*abc([0-9]+)xyz.*/' example1.txt example2.txt

のバージョンがgrepサポートしている場合は、-oオプションを使用して、正規表現に一致する行の部分のみを印刷できます。

そうでなければ、ここがsed私が思いつくことができる最高のものです：

sed -e '/[0-9]/!d' -e 's/^[^0-9]*//' -e 's/[^0-9]*$//'

...数字なしで削除/スキップし、残りの行については、先頭と末尾のすべての非数字文字を削除します。（私はあなたの意図が1を含む各行から数を抽出することであることを推測しているだけです）。

次のような問題：

sed -e 's/.*\([0-9]*\).*/&/' 

....または

sed -e 's/.*\([0-9]*\).*/\1/'

...はsed「貪欲な」一致のみをサポートするということです...したがって、最初の。*は残りの行と一致します。否定された文字クラスを使用して貪欲でない一致を達成できる場合を除き...またはsed正規表現に対するPerl互換またはその他の拡張機能を備えたバージョンの場合、パターンスペース（行）。

を使用awkしmatch()て、キャプチャされたグループにアクセスできます。

$ awk 'match($0, /abc([0-9]+)xyz/, matches) {print matches[1]}' file
12345

これはパターンに一致しようとしますabc[0-9]+xyz。その場合、スライスを配列に格納しmatchesます[0-9]+。その最初の項目はブロックです。match() その部分文字列が始まる場所（文字列の先頭から始まる場合は1）の文字位置またはインデックスを返すので、printアクションがトリガーされます。

ではgrep、あなたは、ルックビハインドおよびルックアヘッドを使用することができます。

$ grep -oP '(?<=abc)[0-9]+(?=xyz)' file
12345

$ grep -oP 'abc\K[0-9]+(?=xyz)' file
12345

このチェックパターン[0-9]+、それが内部に発生するabcとxyz、ちょうど数字を出力します。

perlは最もクリーンな構文ですが、perlがない場合（常にそこにあるとは限りません）、gawkと正規表現のコンポーネントを使用する唯一の方法は、gensub機能を使用することです。

gawk '/abc[0-9]+xyz/ { print gensub(/.*([0-9]+).*/,"\\1","g"); }' < file

サンプル入力ファイルの出力は

12345

注：gensubは正規表現全体（//の間）を置き換えるため、置換の数値の前後のテキストを削除するには、（[0-9] +）の前後に。*を配置する必要があります。

行を選択したい場合は、不要なビットを取り除きます。

egrep 'abc[0-9]+xyz' inputFile | sed -e 's/^.*abc//' -e 's/xyz.*$//'

基本的には、必要な行を選択し、番号の前後のビットを取り除くためにegrep使用sedします。

あなたはここでこれを実際に見ることができます：

pax> echo 'a
b
c
abc12345xyz
a
b
c' | egrep 'abc[0-9]+xyz' | sed -e 's/^.*abc//' -e 's/xyz.*$//'
12345
pax> 

更新：実際の状況がさらに複雑な場合は、REを変更する必要があります。たとえば、最初と最後に常に1つの数値が0個以上の非数値に埋め込まれている場合：

egrep '[^0-9]*[0-9]+[^0-9]*$' inputFile | sed -e 's/^[^0-9]*//' -e 's/[^0-9]*$//'

OPのケースでは、1つの行に複数の一致が存在する可能性があるとは規定されていませんが、Googleトラフィックの場合は、その例も追加します。

OPはパターンからグループを抽出する必要があるため、使用grep -oするには2パスが必要です。しかし、私はこれが仕事を成し遂げる最も直感的な方法だとまだ思います。

$ cat > example.txt <<TXT
a
b
c
abc12345xyz
a
abc23451xyz asdf abc34512xyz
c
TXT

$ cat example.txt | grep -oE 'abc([0-9]+)xyz'
abc12345xyz
abc23451xyz
abc34512xyz

$ cat example.txt | grep -oE 'abc([0-9]+)xyz' | grep -oE '[0-9]+'
12345
23451
34512

プロセッサ時間は基本的に無料ですが、人間の可読性は非常に貴重なので、「1年後、これはどうなると思いますか？」という質問に基づいてコードをリファクタリングする傾向があります。実際、私が公開またはチームと共有する予定のコードman grepについては、長いオプションが何であるかを理解し、それらを置き換えることもできます。そのようです：grep --only-matching --extended-regexp

あなたはシェルでそれを行うことができます

while read -r line
do
    case "$line" in
        *abc*[0-9]*xyz* ) 
            t="${line##abc}"
            echo "num is ${t%%xyz}";;
    esac
done <"file"

awkの場合。次のスクリプトを使用します。

/.*abc([0-9]+)xyz.*/ {
            print $0;
            next;
            }
            {
            /* default, do nothing */
            }

gawk '/.*abc([0-9]+)xyz.*/' file