Przechwytywanie grup z Grep RegEx

Mam ten mały skrypt w sh(Mac OSX 10.6) do przeglądania szeregu plików. Google przestało być w tym momencie pomocne:

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

Do tej pory (oczywiście dla ciebie guru powłoki) $namezawiera tylko 0, 1 lub 2, w zależności od greptego, czy nazwa pliku odpowiada podanej materii. Chciałbym uchwycić to, co jest w parens ([a-z]+)i zapisać to w zmiennej .

Chciałbym użyć greptylko, jeśli to możliwe . Jeśli nie, proszę, nie używaj Pythona, Perla itp. sedLub coś podobnego - jestem nowy w powłoce i chciałbym zaatakować to z purystycznego * nix.

Ponadto, jako super fajne bonusy , jestem ciekawy, jak mogę połączyć strunę w skorupce? Czy grupa, którą przechwyciłem, to ciąg „nazwa” przechowywany w $ name, a chciałem dodać ciąg „.jpg” na końcu, prawda cat $name '.jpg'?

Wyjaśnij, co się dzieje, jeśli masz czas.

Jeśli używasz Bash, nie musisz nawet używać 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

Lepiej umieścić regex w zmiennej. Niektóre wzory nie będą działać, jeśli zostaną dosłownie uwzględnione.

Wykorzystuje =~to, który jest operatorem dopasowania wyrażenia regularnego Basha. Wyniki dopasowania są zapisywane w tablicy o nazwie $BASH_REMATCH. Pierwsza grupa przechwytywania jest przechowywana w indeksie 1, druga (jeśli istnieje) w indeksie 2 itd. Indeks zero jest pełnym dopasowaniem.

Należy pamiętać, że bez kotwic, to wyrażenie regularne (i ten używający grep) będzie pasować do dowolnego z następujących przykładów i nie tylko, które mogą nie być tym, czego szukasz:

123_abc_d4e5
xyz123_abc_d4e5
123_abc_d4e5.xyz
xyz123_abc_d4e5.xyz

Aby wyeliminować drugi i czwarty przykład, wykonaj wyrażenie regularne w ten sposób:

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

co oznacza, że ​​ciąg musi zaczynać się od jednej lub więcej cyfr. Karat reprezentuje początek łańcucha. Jeśli dodasz znak dolara na końcu wyrażenia regularnego, w ten sposób:

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

wtedy trzeci przykład również zostanie wyeliminowany, ponieważ kropka nie znajduje się wśród znaków w wyrażeniu regularnym, a znak dolara reprezentuje koniec łańcucha. Zauważ, że czwarty przykład również nie pasuje do tego dopasowania.

Jeśli masz GNU grep(około 2,5 lub później, myślę, że kiedy \Koperator został dodany):

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

\KUruchamiający (o zmiennej długości wygląd opóźnieniem) powoduje, że powyższy wzór do meczu, ale nie obejmuje dopasowanie w wyniku. Odpowiednikiem o stałej długości jest (?<=)- wzorzec zostanie dołączony przed nawiasem zamykającym. Należy użyć \K, jeśli kwantyfikatory mogą dopasować ciągi o różnej długości (na przykład +, *, {2,4}).

Te (?=)mecze operatora stałej lub zmiennej długości wzory i nazywa się „look-ahead”. Nie zawiera również dopasowanego ciągu w wyniku.

Aby uczynić dopasowanie bez rozróżniania wielkości liter, (?i)używany jest operator. Wpływa na wzorce, które za nim podążają, więc jego pozycja jest znacząca.

Wyrażenie regularne może wymagać dostosowania w zależności od tego, czy w nazwie pliku znajdują się inne znaki. Zauważysz, że w tym przypadku pokazuję przykład konkatenacji łańcucha w tym samym czasie, gdy przechwytywany jest podciąg.

Nie jest to tak naprawdę możliwe w przypadku czystego grep, przynajmniej ogólnie.

Ale jeśli twój wzorzec jest odpowiedni, możesz być w stanie użyć grepwiele razy w potoku, aby najpierw zmniejszyć linię do znanego formatu, a następnie wyodrębnić tylko żądany bit. (Chociaż narzędzia takie jak cuti sedsą w tym znacznie lepsze).

Załóżmy dla argumentu, że twój wzór był nieco prostszy: [0-9]+_([a-z]+)_Możesz to wyodrębnić w następujący sposób:

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

Pierwszy grepusunie wszystkie wiersze, które nie pasują do twojego ogólnego patern, drugi grep(który --only-matchingokreślił) wyświetli część alfa nazwy. Działa to tylko dlatego, że wzór jest odpowiedni: „część alfa” jest wystarczająco specyficzna, aby wyciągnąć to, co chcesz.

(Na bok: osobiście użyłbym grep+, cutaby osiągnąć to, czego szukasz :. echo $name | grep {pattern} | cut -d _ -f 2Spowoduje cutto przeanalizowanie linii do pól przez podział na separator _i zwróci tylko pole 2 (numery pól zaczynają się od 1)).

Filozofią Uniksa jest posiadanie narzędzi, które wykonują jedną rzecz i robią to dobrze, i łączą je, aby osiągnąć niebanalne zadania, więc twierdzę, że grep+ sedetc to bardziej uniksowy sposób robienia rzeczy :-)

Zdaję sobie sprawę, że odpowiedź na to pytanie została już zaakceptowana, ale z „ściśle * purystycznego punktu widzenia” wydaje się, że właściwym narzędziem jest praca pcregrep, o której jeszcze nie wspomniano. Spróbuj zmienić linie:

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

do następujących:

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

aby uzyskać tylko zawartość grupy przechwytywania 1.

pcregrepNarzędzie wykorzystuje wszystkie z tej samej składni już używane z grep, ale implementuje funkcjonalność, czego potrzebujesz.

Ten parametr -odziała tak jak grepwersja, jeśli jest pusty, ale akceptuje również parametr numeryczny pcregrep, który wskazuje, którą grupę przechwytywania chcesz pokazać.

Dzięki temu rozwiązaniu w skrypcie jest wymagane minimum zmian. Po prostu zamieniasz jedno narzędzie modułowe na inne i dostosowujesz parametry.

Interesująca uwaga: Możesz użyć wielu argumentów -o, aby zwrócić wiele grup przechwytywania w kolejności, w jakiej pojawiają się w wierszu.

Uważam, że nie jest to możliwe tylko w grep

dla sed:

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

Zrobię dźgnięcie premii:

echo "$name.jpg"

To rozwiązanie wykorzystuje gawk. Muszę często korzystać z tego, więc stworzyłem dla niego funkcję

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

użyć po prostu zrób

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

Sugestia dla Ciebie - możesz użyć rozszerzenia parametrów, aby usunąć część nazwy od ostatniego podkreślenia i podobnie na początku:

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

Wtedy namebędzie miał wartość abc.

Zobacz dokumenty programistów Apple , wyszukaj „Rozszerzenie parametrów”.

jeśli masz bash, możesz użyć rozszerzonego globowania

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

lub

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