grep、regex、またはperlを使用してパターンに従って文字列を抽出する方法

Question 1

次のようなファイルがあります。

    <table name="content_analyzer" primary-key="id">
      <type="global" />
    </table>
    <table name="content_analyzer2" primary-key="id">
      <type="global" />
    </table>
    <table name="content_analyzer_items" primary-key="id">
      <type="global" />
    </table>

私は続く引用符で何かを抽出する必要がありname=、すなわち、content_analyzer、content_analyzer2とcontent_analyzer_items。

私はこれをLinuxボックスで行っているので、sed、perl、grep、またはbashを使用したソリューションで問題ありません。

Question 2

結果にコンテンツを含めずにコンテンツを一致させる必要があるため（一致する必要がありますがname=" 、目的の結果の一部ではありません）、何らかの形式のゼロ幅の一致またはグループキャプチャが必要です。これは、次のツールを使用して簡単に実行できます。

Perl

Perlを使用すると、n オプションを使用して1行ずつループし、キャプチャグループのコンテンツが一致する場合はそれを出力できます。

perl -ne 'print "$1\n" if /name="(.*?)"/' filename

GNU grep

GNU grepなどの改良版のgrepがある場合は、-Pオプションを利用できる場合があります。このオプションは、Perlのような正規表現を有効にし\K、略記の後ろ書きを使用できるようにします。一致位置がリセットされるため、幅がゼロになる前はすべてリセットされます。

grep -Po 'name="\K.*?(?=")' filename

このo オプションを使用すると、grepは行全体ではなく、一致したテキストのみを出力します。

Vim-テキストエディタ

もう1つの方法は、テキストエディタを直接使用することです。Vimを使用する場合、これを実現するさまざまな方法の1つは、行を削除せずに行を削除 name=し、結果の行からコンテンツを抽出することです。

:v/.*name="\v([^"]+).*/d|%s//\1

標準のgrep

これらのツールにアクセスできない場合は、何らかの理由で、標準のgrepを使用して同様のことが実現できます。ただし、周りを見渡さないと、後でクリーンアップが必要になります。

grep -o 'name="[^"]*"' filename

結果の保存に関する注意

上記のすべてのコマンドで、結果はに送信されstdoutます。以下を追加してファイルにパイプすることで、いつでも保存できることを覚えておくことが重要です。

> result

コマンドの最後まで。

Question 3

正規表現は次のようになります。

.+name="([^"]+)"

次に、グループ化は\ 1になります

Question 4

Perlを使用している場合は、XMLを解析するモジュールをダウンロードします：XML :: Simple、XML :: Twig、またはXML :: LibXML。車輪の再発明をしないでください。

Question 5

この目的には、正規表現ではなくHTMLパーサーを使用する必要があります。以下を利用するPerlプログラムHTML::TreeBuilder：

プログラム

#!/usr/bin/env perl

use strict;
use warnings;

use HTML::TreeBuilder;

my $tree = HTML::TreeBuilder->new_from_file( \*DATA );
my @elements = $tree->look_down(
    sub { defined $_[0]->attr('name') }
);

for (@elements) {
    print $_->attr('name'), "\n";
}

__DATA__
<table name="content_analyzer" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
  <type="global" />
</table>

出力

content_analyzer
content_analyzer2
content_analyzer_items

Question 6

これはそれを行うことができます：

perl -ne 'if(m/name="(.*?)"/){ print $1 . "\n"; }'

Question 7

HTML tidy＆xmlstarletを使用したソリューションは次のとおりです。

htmlstr='
<table name="content_analyzer" primary-key="id">
<type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
<type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
<type="global" />
</table>
'

echo "$htmlstr" | tidy -q -c -wrap 0 -numeric -asxml -utf8 --merge-divs yes --merge-spans yes 2>/dev/null |
sed '/type="global"/d' |
xmlstarlet sel -N x="http://www.w3.org/1999/xhtml" -T -t -m "//x:table" -v '@name' -n

Question 8

もちろん、sedコマンドはtidyコマンドの前に置く必要があります。

echo "$htmlstr" | 
sed '/type="global"/d' |
tidy -q -c -wrap 0 -numeric -asxml -utf8 --merge-divs yes --merge-spans yes 2>/dev/null |
xmlstarlet sel -N x="http://www.w3.org/1999/xhtml" -T -t -m "//x:table" -v '@name' -n

Question 9

xml（または一般的なテキスト）の構造が修正されている場合、最も簡単な方法はを使用することcutです。特定のケースの場合：

echo '<table name="content_analyzer" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer2" primary-key="id">
  <type="global" />
</table>
<table name="content_analyzer_items" primary-key="id">
  <type="global" />
</table>' | grep name= | cut -f2 -d '"'