grep：组捕获答案

【问题标题】：grep: group capturinggrep：组捕获
【发布时间】：2012-01-26 00:48:53
【问题描述】：

我有以下字符串：

{"_id":"scheme_version","_rev":"4-cad1842a7646b4497066e09c3788e724","scheme_version":1234}

我需要获取“方案版本”的值，在本例中为 1234。

我试过了

grep -Eo "\"scheme_version\":(\w*)"

然而它返回

"scheme_version":1234

我怎样才能做到？我知道我可以添加 sed 调用，但我更喜欢使用单个 grep。

【问题讨论】：

我认为仅使用 'grep' 是不可能的。几年前，我在字符串操作方面做了很多工作，经常将 grep 传递给诸如“sed”或“cut”之类的东西。我建议你学习“管道”和“剪切”命令。
我不经常使用 grep，但也许您可以使用后向表达式，如stackoverflow.com/questions/1247812/… 中接受的答案中所述。
使用jq

标签： regex linux bash grep

【解决方案1】：

改进@potong 的答案，仅用于获取“scheme_version”，您可以使用此表达式：

$ echo '{"_id":"scheme_version","_rev":"4-cad1842a7646b4497066e09c3788e724","scheme_version":1234}' | sed -n 's/.*"_id":["]*\([^(",})]*\)[",}].*/\1/p'
scheme_version

$ echo '{"_id":"scheme_version","_rev":"4-cad1842a7646b4497066e09c3788e724","scheme_version":1234}' | sed -n 's/.*"_rev":["]*\([^(",})]*\)[",}].*/\1/p'
4-cad1842a7646b4497066e09c3788e724

$ echo '{"_id":"scheme_version","_rev":"4-cad1842a7646b4497066e09c3788e724","scheme_version":1234}' | sed -n 's/.*"scheme_version":["]*\([^(",})]*\)[",}].*/\1/p'
1234

【讨论】：

【解决方案2】：

为避免使用GNU grep 中提供但BSD version 中没有的greps PCRE 功能，另一种方法是使用ripgrep，例如

$ rg -o 'scheme_version.?:(\d+)' -r '$1' <file.json 
1234

-r 捕获组索引（例如，$5）和名称（例如，$foo）。

另一个使用 Python 和 json.tool module 的示例可以验证和漂亮打印：

$ python -mjson.tool file.json | rg -o 'scheme_version[^\d]+(\d+)' -r '$1'
1234

【讨论】：

【解决方案3】：

作为 SiegeX 建议的正向后视方法的替代方法，您可以使用 \K 转义序列将匹配起点直接重置为 scheme_version": 之后。例如，

$ grep -Po 'scheme_version":\K[0-9]+'

这会在匹配scheme_version": 后重新启动匹配过程，并且往往比正向回溯具有更好的性能。在 regexp101 上比较两者可以看出，reset match start 方法需要 37 步和 1ms，而正向lookbehind 方法需要 194 步和 21ms。

您可以在regex101 上自己比较表现，您可以在PCRE documentation 中阅读更多关于重置比赛起点的信息。

【讨论】：

【解决方案4】：

你可以这样做：

$ echo '{"_id":"scheme_version","_rev":"4-cad1842a7646b4497066e09c3788e724","scheme_version":1234}' | awk -F ':' '{print $4}' | tr -d '}'

【讨论】：

虽然此代码块可能会回答 OP 的问题，但如果您解释此代码与问题中的代码有何不同、您所做的更改、您为什么更改了它以及为什么在不引入其他人的情况下解决了问题。

【解决方案5】：

我建议您使用jq 来完成这项工作。 jq 是一个命令行 JSON 处理器。

$ cat tmp
{"_id":"scheme_version","_rev":"4-cad1842a7646b4497066e09c3788e724","scheme_version":1234}

$ cat tmp | jq .scheme_version
1234

【讨论】：

在不了解 jq 的情况下，我是如何在生活中发挥作用的。哇。谢谢！

【解决方案6】：

这可能对你有用：

echo '{"_id":"scheme_version","_rev":"4-cad1842a7646b4497066e09c3788e724","scheme_version":1234}' |
sed -n 's/.*"scheme_version":\([^}]*\)}/\1/p'
1234

抱歉，它不是 grep，所以如果你愿意，请忽略此解决方案。

或者坚持使用 grep 并添加：

grep -Eo "\"scheme_version\":(\w*)"| cut -d: -f2

【讨论】：

看来这对我来说是最好的选择。
您好，感谢您的回答。非常适合获取“scheme_version”值，但不能获取“_id”值。这个 sed 表达式对我有用，我正在回答：sed -n 's/.*"scheme_version":["]*$[^(",})]*$[",}].*/\1/p'

【解决方案7】：

您需要使用断言后面的查找，以便它不包含在匹配中：

grep -Po '(?<=scheme_version":)[0-9]+'

【讨论】：

嗯，我得到了 grep：对 -P 选项的支持未编译到此 --disable-perl-regexp 二进制文件中
@Stipa 如果没有 PCRE 支持，您将无法使用 grep 做您想做的事情，因为它不支持反向引用，即 \1
正是所要求的，起到了“积极向后看”的魅力
对于我们这些有幸拥有-P 支持已经编译（或顽固地重建 grep...）的人来说，比公认的答案要好得多：)
当您有多个命名组时，每个组都会在新行中输出。有没有办法在同一行打印它？例如cat ~/mydoc | grep -Po '(?<=blah">)[^<]*|(?<=bleh"></span>)[^<]*' 在不同的行中打印捕获。