Как найти все шаблоны между двумя символами?
Я пытаюсь найти все шаблоны между парой двойных кавычек. Позвольте говорят, что у меня есть файл с содержанием, похожи как следующее:
first matched is "One". the second is here"Two "
and here are in second line" Three ""Four".
Я хочу ниже слов, как произведено:
One
Two
Three
Four
Поскольку Вы видите, что все строки в выводе между парой кавычек.
То, что я попробовал, является этой командой:
grep -Po ' "\K[^"]*' file
Выше команды хорошо работает, если у меня есть пространство перед первой парой " метки. Например, это работает, если мой входной файл содержит следующее:
first matched is "One". the second is here "Two "
and here are in second line " Three " "Four".
Я знаю, что могу сделать это с несколькими комбинацией команд. Но я ищу одну команду и не используя это для нескольких время. например: ниже команды
grep -oP '"[^"]*"' file | grep -oP '[^"]*'
Как я могу достигать/печатать всех своих шаблонов просто с помощью одной команды?
Ответ на комментарии: это не важно для меня к удалению пробела вокруг подобранного шаблона в паре кавычек, но было бы лучше, если команда поддерживает его также. и также мои файлы содержат вложенные кавычки как "foo "bar" zoo". И все заключенные в кавычки слова находятся в отдельных строках, и они не расширены до много строк.
Заранее спасибо.
5 ответов
В первую очередь, Ваш grep -Po '"\K[^"]*' file идея перестала работать потому что grep видит обоих "One" и ". the second is here" как являющийся в кавычках. Лично, я, вероятно, просто сделал бы
$ grep -oP '"[^"]+"' file | tr -d '"'
One
Two
Three
Four
Но это - две команды. Чтобы сделать это с единственной командой, Вы могли использовать один из:
Perl
$ perl -lne '@F=/"\s*([^"]+)\s*"/g; print for @F' file One Two Three FourЗдесь,
@Fмассив содержит все соответствия regex (кавычка, сопровождаемая как многие не -"как возможный до следующего").print for @Fпросто означает, "печатают каждый элемент@F.Perl
$ perl -F'"' -lne 'for($i=1;$i<=$#F;$i+=2){print $F[$i]}' file One Two Three FourДля удаления продвижения/конечных пробелов из каждого соответствия используйте это:
perl -F'"' -lne 'for($i=1;$i<=$#F;$i+=2){$F[$i]=~s/^\s*|\s$//; print $F[$i]}' fileЗдесь, Perl ведет себя как
awk.-aпереключитесь заставляет это автоматически разделять входные строки на поля на символе, данном-F. Так как я дал его", поля:$ perl -F'"' -lne 'for($i=0;$i<=$#F;$i++){print "Field $i: $F[$i]"}' file Field 0: first matched is Field 1: One Field 2: . the second is here Field 3: Two Field 0: and here are in second line Field 1: Three Field 2: Field 3: Four Field 4: .Поскольку мы ищем текст между двумя последовательными разделителями полей, мы знаем, что хотим каждое второе поле. Так,
for($i=1;$i<=$#F;$i+=2){print $F[$i]}распечатает тех, мы заботимся о.Та же идея, но в
awk:$ awk -F'"' '{for(i=2;i<=NF;i+=2){print $(i)}}' file One Two Three Four
Ключ в том, чтобы использовать кавычки в вашем выражении. Трудно сделать это с помощью одной команды grep. Вот одна строчка perl:
perl -0777 -nE 'say for /"(.*?)"/sg' file
, которая отбирает весь ввод и печатает захваченную часть совпадения. Он будет работать, даже если внутри кавычек будет новая строка, хотя тогда будет трудно разделить элементы с символами новой строки и без них. Чтобы помочь с этим, используйте другой символ в качестве разделителя выходных записей, например, нулевой символ
perl -0777 -lne 'print for /"(.*?)"/sg} BEGIN {$\="\0"' <<DATA | od -c
blah "first" blah "second
quote with newline" blah "third"
DATA
0000000 f i r s t \0 s e c o n d \n q u o
0000020 t e w i t h n e w l i n e \0
0000040 t h i r d \0
0000046
Это могло быть возможно с ниже grep один лайнер, и я предположил, что Вы сбалансировали кавычки.
grep -oP '"\s*\K[^"]+?(?=\s*"(?:[^"]*"[^"]*")*[^"]*$)' file
Пример:
$ cat file
first matched is "One". the second is here"Two "
and here are in second line" Three ""Four".
$ grep -oP '"\s*\K[^"]+?(?=\s*"(?:[^"]*"[^"]*")*[^"]*$)' file
One
Two
Three
Four
Другое решение для получения по запросу волос через глагол PCRE (*SKIP)(*F) ,
$ grep -oP '[^"]+(?=(?:"[^"]*"[^"]*)*[^"]*$)(*SKIP)(*F)|\s*\K[^"]+(?=\b\s*)' file
One
Two
Three
Four
Используя sed:
sed 's/[^"]*"\([^"]\+\)"[^"]*/\1\n/g' file
[^"]*
^ в начале [^"]* ... средства, которым не должны соответствовать символы, перечисленные в классе символов (только единственное соответствие "). * средства " может произойти нуль или больше раз.
"\([^"]\+\)"
Все внутри \(...\) группа соответствия. Первый символ за пределами группы соответствия является начать матчем. Класс символов [^"] следует (Это соответствует каждому символу кроме "). Квантор \+ средства там должны быть по крайней мере одним символом между кавычками ("...") в Вашем входном файле. Затем \), конец группы соответствия. Эта группа соответствия может быть доступом своим индексом через \1.
Последняя часть [^"]* совпадает с первой частью, которая соответствует всему до следующего ".
Альтернативный подход с Python, который не требует регулярных выражений (хотя и не совсем надежный), заключается в обработке каждой строки в вашем текстовом файле символ за символом.
Основная идея того, как это работает: если мы видим двойную кавычку и флаг не поднимается - поднимите флаг, а если мы увидим его снова и флаг поднимется - уменьшите флаг. Когда флаг поднят - мы знаем, что мы в двойных кавычках, поэтому мы можем хранить последующие символы. Как только флаг опустится, выведите то, что мы прочитали.
#!/usr/bin/env python
from __future__ import print_function
import sys
flag=False
quoted_string=[]
for line in sys.stdin:
for char in line.strip():
if char == '"':
if flag:
flag=False
if quoted_string:
print("".join(quoted_string))
quoted_string=[]
else:
flag=True
continue
if flag:
quoted_string.append(char)
И тестовый прогон:
$ cat input.txt
first matched is "One". the second is here"Two "
and here are in second line" Three ""Four".
$ ./get_quoted_words.py < input.txt
One
Two
Three
Four