cómo usar sed, awk o gawk para imprimir solo lo que coincide?

Question

Veo muchos ejemplos y páginas man sobre cómo hacer cosas como buscar y reemplazar usando sed, awk o gawk.

Pero en mi caso, tengo una expresión regular que quiero ejecutar contra un archivo de texto para extraer un valor específico. No quiero buscar y reemplazar. Esto se llama desde bash. Usemos un ejemplo:

Ejemplo de expresiones regulares:

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

Ejemplo de archivo de entrada:

a 
b 
c 
abc12345xyz 
a 
b 
c 

Tan simple como suena, no puedo encontrar la manera de llamar sed/awk/gawk correctamente . Lo que estaba esperando a hacer, es de dentro de mi escritura del golpe tienen:

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

cosas que he intentado incluyen:

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 

Answer 1

Mi sed (Mac OS X) no funcionó con +.Probé * lugar y añadí p etiqueta para el partido de impresión:

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

para hacer coincidir al menos un carácter numérico sin +, me gustaría utilizar:

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

Answer 2

utilizo perl para hacer esto más fácil para mí. p.ej.

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

Esto va en Perl, la opción -n instruye Perl para leer en una línea a la vez de STDIN y ejecutar el código. La opción -e especifica las instrucciones para ejecutar.

La instrucción ejecuta una expresión regular en la línea leída, y si coincide imprime los contenidos del primer conjunto de bloqueos ($1).

Puede hacer esto con varios nombres de archivo al final también. p.ej.

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

Answer 3

Si desea seleccionar las líneas a continuación tira a las partes que no desee:

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

Básicamente selecciona las líneas que desea con egrep y luego utiliza sed a quitarse la bits antes y después del número.

Esto se puede ver en acción aquí:

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

Actualización:, obviamente, si situación real es más compleja, necesitará el RE para mí modificado. Por ejemplo, si siempre tuviera un solo número enterrado dentro cero o más no-numéricos al comienzo y al final:

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

Answer 4

Para awk. Me gustaría utilizar el siguiente script:

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

Answer 5

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

Answer 6

Si su versión de grep lo admite que podría utilizar la opción de imprimir -oúnica la porción de cualquier línea que coincide con su expresión regular.

Si no, entonces aquí es lo mejor sed pude llegar a:

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

... que borra/salta sin dígitos y, para el resto de líneas, elimina todos los caracteres iniciales y finales no sea un dígito . (Solo estoy adivinando que tu intención es extraer el número de cada línea que contiene uno).

El problema con algo como:.

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

.... o

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

... es que sólo es compatible con sed partido "codiciosos" ... así que la primera se * empareja el resto de la línea. A menos que podamos usar una clase de caracteres negada para lograr una coincidencia no codiciosa ... o una versión de sed con Perl compatible u otras extensiones a sus expresiones regulares, no podemos extraer una coincidencia de patrón precisa con el espacio de patrones (un línea).

Answer 7

puede hacerlo con la cáscara

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

Answer 8

Perl es la sintaxis más limpia, pero si usted no tiene Perl (no siempre allí, entiendo), entonces la única manera de utilizar gawk y componentes de una expresión regular es usar la función Gensub.

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

salida del archivo de entrada de la muestra será

12345 

Nota:. Funciones predefinidas gensub reemplaza toda la expresión regular (entre la //), por lo que necesita para poner el * antes y después de la ([ 0-9] +) para deshacerse del texto antes y después del número en la sustitución.

Answer 9

Puede usar sed para hacer esto

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

• -n no publique la línea resultante
• -r esto hace que sea por lo que no tiene el escape del grupo de captura de parens ().
• \1 el grupo de captura de partido
• /g partido mundial
• /p imprimir el resultado

escribí un tool por mí mismo que hace que esto sea más fácil

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

Answer 10

Usted puede utilizar awk con match() para acceder al grupo capturado:

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

Esto intenta coincidir con el patrón abc[0-9]+xyz. Si lo hace, almacena sus divisiones en la matriz matches, cuyo primer elemento es el bloque [0-9]+. Como match()devuelve la posición del carácter, o índice, de donde comienza esa subcadena (1, si comienza al principio de la cadena), desencadena la acción print.

---

Con grep se puede utilizar una mirada atrás y-look-ahead:

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

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

Esto comprueba el patrón [0-9]+ cuando se produce dentro de abc y xyz y sólo imprime los dígitos.