使用 sed 提取子字符串答案

【问题标题】：Extract substring using sed使用 sed 提取子字符串
【发布时间】：2013-11-14 07:08:14
【问题描述】：

我有以下日志文件：

example.com - - - 127.0.01 [22/Sep/2013:07:22:22 +0000]  "POST /api/test.php HTTP/1.1" 200 355 "-" "-" "{\x22id\x22:\x22 ... }}}"

example.com - - - 127.0.01 [22/Sep/2013:07:22:22 +0000]  "POST /api/test.php HTTP/1.1" 200 355 "-" "-" "{\x22id\x22:"{\x22 ... }}}"

我想将第一个{\x22提取到最后一个}

所以我使用以下 sed 命令：

cat test.txt  | sed -r  's/.+?"(\{.+\})".*/\1/g'

但是，它给了我

{\x22id\x22:\x22 ... }}}

{\x22 ... }}}

但我想要

{\x22id\x22:\x22 ... }}}

{\x22id\x22:"{\x22 ... }}}

【问题讨论】：

标签： regex linux sed

【解决方案1】：

.+? 不适用于 sed，因为它的正则表达式引擎不支持非贪婪匹配。

但是如果你考虑 perl 是可能的：

perl -pe 's/.+?"(\{.+\})".*/\1/g' test.txt
{\x22id\x22:\x22 ... }}}
{\x22id\x22:"{\x22 ... }}}

或使用egrep -o：

egrep -o '\{.+\}' test.txt
{\x22id\x22:\x22 ... }}}
{\x22id\x22:"{\x22 ... }}}

【讨论】：

您也可以在激活 perl 引擎的情况下使用 grep。 grep -P 或 pgrep。该命令将是cat test.txt | grep -P -o "<regex pattern>"
@ffledgling：谢谢，更新的答案，是的egrep 也将与grep -P 一样工作
区别 b/w egrep 或 grep -E 和 grep -P 是他们使用的正则表达式引擎。 egrep 是 ERE 和 pgrep 是 Perl 的引擎。尽管我实际上从未见过太大的区别。（注意 pgrep 和 grep -P 是不一样的，混淆了见谅）

【解决方案2】：

使用awk

awk '{sub(/[^{]*{/,"{");sub(/}"/,"}")}1' file
{\x22id\x22:\x22 ... }}}

{\x22id\x22:"{\x22 ... }}}

【讨论】：

【解决方案3】：

Cut="#CuT#"
sed -n --posix "s/\({\\\\x22.*}\)\"$/${Cut}\1/;s/.*${Cut}//p" sample.txt

我使用变量 Cut 来更改任何其他“标记”，具体取决于要处理的文本内容。变量本身不需要，如果您确定 Cut 的值不在文件中，您可以直接在 sed 中更改其内容

【讨论】：

【解决方案4】：

这可能对你有用（GNU sed）：

sed 's/\({\\x22.*}\).*/\n\1/;s/.*\n//' file

在第一场比赛中，贪婪是你的敌人，所以{\x22 使用分而治之的成语。即放置一个唯一标记（在本例中为 \n）并使用第二个替换命令删除字符串的第一部分。最后一个} greed 是你的朋友，因为.*} 会自己找到最后一个匹配项。

注意如果第一个匹配是单个字符，比如X，那么否定字符类[^X]* 就足够了。但是，由于它是一个字符串（两个或更多字符），所以这不起作用。

【讨论】：