Menangkap Grup Dari Grep RegEx

Saya punya skrip kecil ini di sh(Mac OSX 10.6) untuk melihat melalui array file. Google telah berhenti membantu pada saat ini:

files="*.jpg"
for f in $files
    do
        echo $f | grep -oEi '[0-9]+_([a-z]+)_[0-9a-z]*'
        name=$?
        echo $name
    done

Sejauh ini (jelas, bagi Anda shell guru) $namehanya memegang 0, 1 atau 2, tergantung pada apakah grepditemukan bahwa nama file cocok dengan masalah yang diberikan. Yang saya suka adalah untuk menangkap apa yang ada di dalam parens ([a-z]+)dan menyimpannya ke variabel .

Saya hanya ingin menggunakan grep, jika memungkinkan . Jika tidak, tolong jangan Python atau Perl, dll. sedAtau semacamnya - Saya baru mengenal shell dan ingin menyerang ini dari sudut * nix purist.

Juga, sebagai bonu super keren , saya ingin tahu bagaimana saya bisa menggabungkan string dalam shell? Apakah grup yang saya tangkap adalah string "somename" yang disimpan dalam $ name, dan saya ingin menambahkan string ".jpg" ke akhir, benarkan cat $name '.jpg'?

Tolong jelaskan apa yang terjadi, jika Anda punya waktu.

Jika Anda menggunakan Bash, Anda bahkan tidak perlu menggunakan grep:

files="*.jpg"
regex="[0-9]+_([a-z]+)_[0-9a-z]*"
for f in $files    # unquoted in order to allow the glob to expand
do
    if [[ $f =~ $regex ]]
    then
        name="${BASH_REMATCH[1]}"
        echo "${name}.jpg"    # concatenate strings
        name="${name}.jpg"    # same thing stored in a variable
    else
        echo "$f doesn't match" >&2 # this could get noisy if there are a lot of non-matching files
    fi
done

Lebih baik menempatkan regex dalam sebuah variabel. Beberapa pola tidak akan berfungsi jika dimasukkan secara harfiah.

Ini menggunakan =~yang merupakan operator pertandingan regex Bash. Hasil pertandingan disimpan ke array yang disebut $BASH_REMATCH. Grup tangkapan pertama disimpan dalam indeks 1, yang kedua (jika ada) dalam indeks 2, dll. Indeks nol adalah kecocokan penuh.

Anda harus menyadari bahwa tanpa jangkar, regex ini (dan yang menggunakan grep) akan cocok dengan salah satu contoh berikut dan lebih banyak lagi, yang mungkin bukan yang Anda cari:

123_abc_d4e5
xyz123_abc_d4e5
123_abc_d4e5.xyz
xyz123_abc_d4e5.xyz

Untuk menghilangkan contoh kedua dan keempat, buat regex Anda seperti ini:

^[0-9]+_([a-z]+)_[0-9a-z]*

yang mengatakan string harus dimulai dengan satu digit atau lebih. Karat mewakili awal dari string. Jika Anda menambahkan tanda dolar di akhir regex, seperti ini:

^[0-9]+_([a-z]+)_[0-9a-z]*$

maka contoh ketiga juga akan dihilangkan karena titik tidak ada di antara karakter di regex dan tanda dolar mewakili akhir dari string. Perhatikan bahwa contoh keempat juga gagal dalam pertandingan ini.

Jika Anda memiliki GNU grep(sekitar 2,5 atau lebih baru, saya pikir, ketika \Koperator ditambahkan):

name=$(echo "$f" | grep -Po '(?i)[0-9]+_\K[a-z]+(?=_[0-9a-z]*)').jpg

The \Koperator (variable-length lihat-balik) menyebabkan pola sebelumnya untuk pertandingan, tetapi tidak termasuk pertandingan dalam hasil. Persamaan panjang tetap adalah (?<=)- pola akan dimasukkan sebelum tanda kurung tutup. Anda harus menggunakan \Kjika bilangan dapat mencocokkan string panjang yang berbeda (misalnya +, *, {2,4}).

The (?=)pertandingan operator fixed atau pola variabel-panjang dan disebut "tampak-depan". Itu juga tidak termasuk string yang cocok dalam hasil.

Untuk membuat korek api tidak peka, (?i)operator digunakan. Ini mempengaruhi pola yang mengikutinya sehingga posisinya signifikan.

Regex mungkin perlu disesuaikan tergantung pada apakah ada karakter lain dalam nama file. Anda akan perhatikan bahwa dalam kasus ini, saya menunjukkan contoh menggabungkan string pada saat yang sama ketika substring ditangkap.

Ini tidak mungkin dengan murni grep, setidaknya tidak secara umum.

Tetapi jika pola Anda cocok, Anda mungkin dapat menggunakan grepbeberapa kali dalam pipa untuk mengurangi garis Anda menjadi format yang dikenal, dan kemudian mengekstrak hanya sedikit yang Anda inginkan. (Meskipun alat suka cutdan sedjauh lebih baik dalam hal ini).

Misalkan demi argumen bahwa pola Anda sedikit lebih sederhana: [0-9]+_([a-z]+)_Anda dapat mengekstraksi seperti ini:

echo $name | grep -Ei '[0-9]+_[a-z]+_' | grep -oEi '[a-z]+'

Yang pertama grepakan menghapus baris apa pun yang tidak cocok dengan pola keseluruhan Anda, yang kedua grep(yang telah --only-matchingditentukan) akan menampilkan bagian alfa nama. Ini hanya berfungsi karena polanya cocok: "porsi alfa" cukup spesifik untuk mengeluarkan apa yang Anda inginkan.

(Selain: Secara pribadi saya akan menggunakan grep+ cutuntuk mencapai apa yang Anda inginkan:. echo $name | grep {pattern} | cut -d _ -f 2Ini akan cutmenguraikan baris ke dalam bidang dengan memisahkan pada pembatas _, dan mengembalikan hanya bidang 2 (angka bidang mulai dari 1)).

Filosofi Unix adalah memiliki alat yang melakukan satu hal, dan melakukannya dengan baik, dan menggabungkannya untuk mencapai tugas-tugas non-sepele, jadi saya berpendapat bahwa grep+ sedetc adalah cara yang lebih Unixy dalam melakukan sesuatu :-)

Saya menyadari bahwa jawaban sudah diterima untuk ini, tetapi dari "sudut pandang murni * nix" sepertinya alat yang tepat untuk pekerjaan itu pcregrep, yang sepertinya belum disebutkan. Coba ubah garis:

    echo $f | grep -oEi '[0-9]+_([a-z]+)_[0-9a-z]*'
    name=$?

sebagai berikut:

    name=$(echo $f | pcregrep -o1 -Ei '[0-9]+_([a-z]+)_[0-9a-z]*')

untuk mendapatkan hanya konten dari grup penangkap 1.

The pcregrepAlat memanfaatkan semua sintaks yang sama yang telah digunakan dengan grep, tapi alat fungsi yang Anda butuhkan.

Parameter -oberfungsi seperti grepversi jika telanjang, tetapi juga menerima parameter numerik pcregrep, yang menunjukkan grup tangkapan mana yang ingin Anda tampilkan.

Dengan solusi ini ada minimal perubahan yang diperlukan dalam skrip. Anda cukup mengganti satu utilitas modular dengan yang lain dan mengubah parameternya.

Catatan Menarik: Anda dapat menggunakan argumen -o multipel untuk mengembalikan beberapa grup tangkapan sesuai urutan yang ditampilkan di telepon.

Tidak mungkin hanya dalam grep saya percaya

untuk sed:

name=`echo $f | sed -E 's/([0-9]+_([a-z]+)_[0-9a-z]*)|.*/\2/'`

Saya akan coba bonus ini:

echo "$name.jpg"

Ini adalah solusi yang menggunakan gawk. Ini adalah sesuatu yang saya pikir perlu saya gunakan berulang kali jadi saya membuat fungsi untuk itu

function regex1 { gawk 'match($0,/'$1'/, ary) {print ary['${2:-'1'}']}'; }

untuk menggunakan lakukan

$ echo 'hello world' | regex1 'hello\s(.*)'
world

Saran untuk Anda - Anda dapat menggunakan ekspansi parameter untuk menghapus bagian nama dari garis bawah terakhir dan seterusnya, dan demikian pula di awal:

f=001_abc_0za.jpg
work=${f%_*}
name=${work#*_}

Maka nameakan memiliki nilai abc.

Lihat dokumen pengembang Apple , cari 'Ekspansi Parameter'.

jika Anda memiliki bash, Anda dapat menggunakan globbing yang diperluas

shopt -s extglob
shopt -s nullglob
shopt -s nocaseglob
for file in +([0-9])_+([a-z])_+([a-z0-9]).jpg
do
   IFS="_"
   set -- $file
   echo "This is your captured output : $2"
done

atau

ls +([0-9])_+([a-z])_+([a-z0-9]).jpg | while read file
do
   IFS="_"
   set -- $file
   echo "This is your captured output : $2"
done