为什么 zgrep 不显示实际匹配项？答案

【问题标题】：Why won't zgrep show the actual matches?为什么 zgrep 不显示实际匹配项？
【发布时间】：2020-02-19 18:26:53
【问题描述】：

上下文

假设我有两个文件 a.txt 和 b.txt 包含一些内容...

$ tail *.txt
==> a.txt <==
ABC
CDE
123
C

==> b.txt <==
C
321
EDC
CBA

让我们也想象一下，这些文件现在已经被放入一个 gzip 压缩包中......

$ tar -czf tarball.tgz *.txt
$ tar -tf tarball.tgz
a.txt
b.txt

目标

现在，我想对 tarball 中的文件进行 grep。在匹配之前看到原始文件名和行号会很好，但我最重要的是希望看到匹配的行。

我尝试了什么？

首先，我希望zgrep 'pattern' tarball.tgz 可以正常工作。它确实告诉我是否有匹配，它甚至可以计算它们，但我找不到打印匹配的方法......

$ zgrep 'AB' tarball.tgz
Binary file (standard input) matches
$ zgrep 'C' tarball.tgz
Binary file (standard input) matches
$ zgrep -c 'AB' tarball.tgz
1
$ zgrep -c 'C' tarball.tgz
6

其次，我想zcat tarball 并在其上使用常规 grep。但是，我仍然得到了完全相同的 “二进制文件（标准输入）匹配”消息......

$ zcat tarball.tgz | grep 'C'
Binary file (standard input) matches

我猜zcat（和zgrep）做了gunzip，但没有tar -xf？如果我查看zcat，我可以看到与刚刚完成tar -c 相同的输出...

$ zcat tarball.tgz
a.txt0000664�3���3���0000000001613554050266013370 0ustar  useruserABC
CDE
123
C
b.txt0000664�3���3���0000000001613554050301013357 0ustar  useruserC
321
EDC
CBA

$ tar -c *.txt
a.txt0000664�3���3���0000000001613554050266013370 0ustar  useruserABC
CDE
123
C
b.txt0000664�3���3���0000000001613554050301013357 0ustar  useruserC
321
EDC
CBA

所以最后，我得到了这个可以正常工作的解决方案：

$ tar -xOzf tarball.tgz | grep 'C'
ABC
CDE
C
C
EDC
CBA

当然，如果我现在询问文件名和行号，我没有得到任何有用的信息...

$ tar -xOzf tarball.tgz | grep -Hn 'C'
(standard input):1:ABC
(standard input):2:CDE
(standard input):4:C
(standard input):5:C
(standard input):7:EDC
(standard input):8:CBA

为了获得我想要的结果，我能想到的唯一方法是编写更多脚本来提取 tarball 并在循环中运行 grep...

有没有很好（简单而简洁）的方法来做到这一点？

【问题讨论】：

grep 不理解 tar 格式；它不会神奇地告诉您存档中的哪个单个文件匹配，不。提取文件并对其进行 grepping 是一种很好的方法。
哦！ Unix stackexchange 上的This answer 可能会很有帮助。
确实@Shawn 这个答案有我需要的一切：添加-a 以获得快速而肮脏的方法，或使用此--to-command 选项以获得最佳输出！您要发布答案吗？否则，我将在自己的答案中进行总结。
请注意，Stack Overflow 的范围仅限于关于编写代码的问题。当命令行 UNIX 工具不是“软件开发独有”的工具时，有关这些工具行为的问题更适合Unix & Linux。 Shawn 将您链接到那里的问题而不是 SO 上的问题是有原因的。
@Charles Duffy 这听起来很公平。我必须承认，我通常对哪些问题适合哪些 StackExchanges 感到困惑！那么，我们是否应该以不恰当的方式结束这个问题？

标签： shell zgrep

【解决方案1】：

tar -czf 做了两件事：

将所有文件（在我的示例中恰好是文本）打包成一个 tar 文件（二进制）；
将该 tar 文件压缩成一个 gzip 压缩的 tar 文件。

正如我所怀疑的，zgrep 或zcat 只会执行gunzip，并留下一个仍然是二进制的 tar 文件。这解释了我得到的所有输出。

简单的解决方案

解决这个问题的最简单方法是向zgrep 添加一个选项：

   -a, --text
          Process a binary file as if it were text; this is equivalent to the --binary-files=text option.

这几乎和tar -xOzf tarball.tgz | grep -Hn 'C' 一样好用，我们没有得到单独的文件名，而且行号覆盖了整个 tar 输出。我们也得到了一些噪音，即tar 格式：

$ zgrep -Hna 'C' tarball.tgz
tarball.tgz:1:a.txt0000664�3���3���0000000001613554050266013370 0ustar  jlehuenjlehuenABC
tarball.tgz:2:CDE
tarball.tgz:4:C
tarball.tgz:5:b.txt0000664�3���3���0000000001613554050301013357 0ustar  jlehuenjlehuenC
tarball.tgz:7:EDC
tarball.tgz:8:CBA

这很容易记住，并且适用于例如grepping 日志，其中文件的第一行很少是有趣的匹配项。

最佳输出

现在，@Shawn 将我指向 Unix StackExchange 上的 that answer。由此，我可以得出我最喜欢的选项：

$ tar -xf tarball.tgz --to-command='grep -Hn --label="$TAR_ARCHIVE/$TAR_FILENAME" C || true'
tarball.tgz/a.txt:1:ABC
tarball.tgz/a.txt:2:CDE
tarball.tgz/a.txt:4:C
tarball.tgz/b.txt:1:C
tarball.tgz/b.txt:3:EDC
tarball.tgz/b.txt:4:CBA

我可能会为此创建一些函数，因为打字不好玩。不过，输出正是我想要的！ :)

【讨论】：