如何使用 grep、正则表达式或 perl 提取符合模式的字符串

Question

我有一个看起来像这样的文件：

    <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>

我需要提取 name= 后面的引号内的任何内容，即 content_analyzer、content_analyzer2 和content_analyzer_items。

我在 Linux 机器上执行此操作，因此使用 sed、perl、grep 或 bash 的解决方案就可以了。

Answer 1

由于您需要匹配内容而不将其包含在结果中（必须
匹配 name=" 但它不是所需结果的一部分）某种形式
需要零宽度匹配或组捕获。这可以做到
使用以下工具可以轻松实现：

Perl

使用 Perl，您可以使用 n 选项逐行循环并打印
捕获组的内容（如果匹配）：

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

GNU grep

如果您有 grep 的改进版本，例如 GNU grep，您可能有
-P 选项可用。此选项将启用类似 Perl 的正则表达式，
允许您使用 \K 这是一个简写的lookbehind。它将重置
匹配位置，因此它之前的任何内容都是零宽度。

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

o 选项使 grep 只打印匹配的文本，而不是
全线。

Vim - 文本编辑器

另一种方法是直接使用文本编辑器。 Vim 是其中之一
实现此目的的各种方法是删除行而不
name= 然后从结果行中提取内容：

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

---

Standard grep

如果由于某种原因您无权使用这些工具，
使用标准 grep 可以实现类似的效果。然而，没有外观
稍后需要对其进行一些清理：

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

---

关于保存结果的说明

在上面的所有命令中，结果都将发送到 stdout。它是
重要的是要记住，您始终可以通过管道将它们保存到
通过将:

> result

附加到命令末尾来创建文件。

Answer 2

正则表达式为：

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

那么分组将在 \1 中

Answer 3

如果您使用 Perl，请下载一个模块来解析 XML： XML::简单，XML::Twig ，或XML::LibXML。不要重新发明轮子。

Answer 4

为此，应使用 HTML 解析器而不是正则表达式。使用 HTML::TreeBuilder：

程序

#!/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>

输出

content_analyzer
content_analyzer2
content_analyzer_items

Answer 5

这可以做到：

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

Answer 6

这是使用 HTML tidy & 的解决方案xmlstarlet：

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

Answer 7

哎呀，sed 命令当然必须在 tidy 命令之前：

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

Answer 8

如果 xml（或一般文本）的结构是固定的，最简单的方法是使用 cut。对于您的具体情况：

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 '"'