如何使用 sed 提取子字符串

Posted 2023-02-24

【中文标题】如何使用 sed 提取子字符串

【英文标题】：How to use sed to extract substring

【发布时间】：2013-05-16 12:37:01

【问题描述】：

我有一个包含以下行的文件：

  <parameter name="PortMappingEnabled" access="readWrite" type="xsd:boolean"></parameter>
  <parameter name="PortMappingLeaseDuration" access="readWrite" activeNotify="canDeny" type="xsd:unsignedInt"></parameter>
  <parameter name="RemoteHost" access="readWrite"></parameter>
  <parameter name="ExternalPort" access="readWrite" type="xsd:unsignedInt"></parameter>
  <parameter name="ExternalPortEndRange" access="readWrite" type="xsd:unsignedInt"></parameter>
  <parameter name="InternalPort" access="readWrite" type="xsd:unsignedInt"></parameter>
  <parameter name="PortMappingProtocol" access="readWrite"></parameter>
  <parameter name="InternalClient" access="readWrite"></parameter>
  <parameter name="PortMappingDescription" access="readWrite"></parameter>

我想对该文件执行命令以仅提取以下输出中显示的参数名称：

$sedcommand file.txt
PortMappingEnabled
PortMappingLeaseDuration
RemoteHost
ExternalPort
ExternalPortEndRange
InternalPort
PortMappingProtocol
InternalClient
PortMappingDescription

这个命令是什么？

【问题讨论】：

请注意，当 XML 在多行出现时，或者参数的顺序发生变化时，您会感到难过。如果这完全有可能，您需要考虑使用适当的 XML 解析器。

嗯，10 秒内可以回答的问题与需要更多时间的问题的双重标准？帖子在哪里询问您尝试了什么？哦等等……

【参考方案1】：

你想要awk。

这将是一个快速而肮脏的 hack：

awk -F "\"" 'print $2' /tmp/file.txt

PortMappingEnabled
PortMappingLeaseDuration
RemoteHost
ExternalPort
ExternalPortEndRange
InternalPort
PortMappingProtocol
InternalClient
PortMappingDescription

【讨论】：

cut 会更快地完成这项工作:-)

【参考方案2】：

sed 's/[^"]*"\([^"]*\).*/\1/'

完成这项工作。

''里面部分的解释

s - 告诉 sed 替换 / - 要搜索的正则表达式字符串的开始 [^"]* - 任何不是 " 的字符，任意次数。 （匹配参数名称=） " - 只是一个 "。 ([^"]*) - () 中的任何内容都将被保存以供以后参考使用。\ 在那里，因此括号不被视为要搜索的字符。[^" ]* 意思同上。 （例如匹配RemoteHost） .* - 任意字符，任意次数。 （匹配 " access="readWrite"> /parameter） / - 搜索正则表达式结束，替换字符串开始。 \1 - 引用我们在上面括号中找到的那个字符串。 /替代字符串的结尾。

基本上是/搜索这个/用这个/替换，但我们告诉他用我们之前找到的一部分替换整行。

【讨论】：

这既不简单也不优雅。只是神秘。

@Stefan，也许是未经训练的眼睛。但是花点时间在 RegEx 上，喜欢爵士乐或毕加索，你会欣赏到简单的美。

这就是神秘的意思：未经训练的眼睛完全无法理解。

感谢您回答问题而不是提出不同的工具！

虽然它可以完成这项工作，但如果您能真正解释发生了什么，那将是有益的。

【参考方案3】：

grep 为提取东西而生：

grep -Po 'name="\K[^"]*'

用你的数据测试：

kent$  echo '<parameter name="PortMappingEnabled" access="readWrite" type="xsd:boolean"></parameter>
  <parameter name="PortMappingLeaseDuration" access="readWrite" activeNotify="canDeny" type="xsd:unsignedInt"></parameter>
  <parameter name="RemoteHost" access="readWrite"></parameter>
  <parameter name="ExternalPort" access="readWrite" type="xsd:unsignedInt"></parameter>
  <parameter name="ExternalPortEndRange" access="readWrite" type="xsd:unsignedInt"></parameter>
  <parameter name="InternalPort" access="readWrite" type="xsd:unsignedInt"></parameter>
  <parameter name="PortMappingProtocol" access="readWrite"></parameter>
  <parameter name="InternalClient" access="readWrite"></parameter>
  <parameter name="PortMappingDescription" access="readWrite"></parameter>
'|grep -Po 'name="\K[^"]*'
PortMappingEnabled
PortMappingLeaseDuration
RemoteHost
ExternalPort
ExternalPortEndRange
InternalPort
PortMappingProtocol
InternalClient
PortMappingDescription

【讨论】：

仅供参考，来自关于-P 的 grep 手册页：“这是高度实验性的，grep -P 可能会警告未实现的功能。”

@FukuzawaYukio 我认为ubuntu linux 自带的grep 应该支持吧？即使我不是 ubuntu 用户。这个问题被标记为 Linux 和 ubuntu，而不是 Unix 或 Aix。但你的评论是正确的。

我不得不查找\K：它将剩余的内容保留在比赛之外（所以你不会得到name="PortMappingLeaseDuration"。Further reading

对于那些不想使用-P 标志的人；默认 grep 支持的任何其他扩展正则表达式都不会像 \K 那样做，但您可以简单地通过 sed 管道它：grep -o 'name="[^"]* | sed 's/name="//g'

您也可以使用两次 grep：grep -o 'name="[^"]*' | grep -o '[^"]*$'。它产生相同的结果。

【参考方案4】：

您不应使用 sed 或 awk 等工具解析 XML。它很容易出错。

如果输入发生变化，并且在 name 参数之前，您将得到换行符而不是空格，它会在某天失败，产生意想不到的结果。

如果您确实确定您的输入将始终采用这种格式，您可以使用cut。 它比sed 和awk 更快：

cut -d'"' -f2 < input.txt

最好先解析一下，只提取参数名属性：

xpath -q -e //@name input.txt | cut -d'"' -f2

要了解有关 xpath 的更多信息，请参阅本教程：http://www.w3schools.com/xpath/

【参考方案5】：

解释如何使用cut：

cat yourxmlfile | cut -d'"' -f2

它将基于" delimiter'剪切'文件中的所有行，并将采用2nd field ，这就是你想要的。

【讨论】：

你想避免useless cat。