BASH：如何在 sed 命令中对字符串使用 Regex Negative Lookahead？

Posted 2023-04-13

【中文标题】BASH：如何在 sed 命令中对字符串使用 Regex Negative Lookahead？

【英文标题】：BASH: How to use Regex Negative Lookahead in sed command for a string?

【发布时间】：2019-06-01 17:03:01

【问题描述】：

我还没有找到一种方法在 sed 命令中使用这个正则表达式 - .+?(?=,) 来提取这个字符串的一部分（使用第一个字符实例的 Lookbehind）。

用简单的英语，我想提取位于第一个逗号之前的字符串部分。由于我计划将来提取字符串的特定文件名，因此我不能依赖 cut 命令（我最终将不得不使用 sed 命令），:-

name='ERROR 1: /home/rphillips/Desktop/empties/BN23_2303.tif, band 1: 无法计算统计数据，采样中找不到有效像素。'

这些是我使用过的变体，包括一个有效的测试 - sed 's/band/rose/'。然而，我使用的其他变体（如下所示）将空格作为输出。

while read -r line; do
    name="$line"
    echo $name
    #file_path=$(echo $name | cut -d "," -f 1)
    #file_path=$(echo $name | sed -e '/s\/.+?(?=,)///')
    #file_path=$(echo $name | sed 's/band/rose/')
    file_path=$(echo $name | sed '/s\/.+?(?=, )///')
    #file_path=$(echo $name | grep -P '.+?(?=,)')
    #file_path=$(echo $name | sed 
    #file_path=$(echo $name | awk '/.+?(?=,)/print $name'
    echo $file_path
done < "$filename"

预期结果 - 错误 1：/home/rphillips/Desktop/empties/BN25_2303.tif

实际结果 - '很多空间'

我还注意到，根据 Regex101 网站，我使用的正则表达式具有不同的“匹配”，具体取决于我是在 Windows 上使用 Firefox 还是 Ubuntu 16.04LTS

Windows - https://regex101.com/r/WWGf8F/1 Ubuntu - https://regex101.com/r/NpL2Oa/1

我不确定这是否导致 sed -e 无法识别表达式？

我已经将这些引用用于上面代码中使用的不同表达式

https://likegeeks.com/regex-tutorial-linux/

How to match "anything up until this sequence of characters" in a regular expression?

https://www.regular-expressions.info/lookaround.html?wlr=1

https://linux.die.net/man/1/sed

【问题讨论】：

sed 's/,.*//' 将带来所需的输出，尽管我不确定这是否是您想要做的。你会用 English 指定你想要执行的过程吗，因为你的命令sed '/s\/.+?(?=, )///' 不起作用并且不清楚你想要做什么。请注意，我不是反对者。

同意，sed 's/,.*$//' 或 sed 's/^\([^,][^,]*\).*$/\1/'。要么做你想做的事。 （或grep -o '^[^,]*' 或awk -F, 'print $1'）

sed 仅保证支持 BRE（“POSIX 基本正则表达式”），并且许多版本还提供了访问 ERE 语法的扩展。 Lookahead 和lookbehind 是PCRE 扩展，不是任何一个标准的一部分。见pubs.opengroup.org/onlinepubs/9699919799/utilities/sed.html

顺便说一句，echo $name 本质上是错误的——参见BashPitfalls #14。按优先顺序使用<<<"$name"、printf '%s\n' "$name" 或echo "$name"带引号。

...你不需要sed 来做一些简单的事情，比如在字符串中修剪逗号后面的所有内容。如果string=foo,bar，则$string%%,* 将评估为foo。

【参考方案1】：

用简单的英语我想提取字符串中存在的部分 在第一个逗号之前。因为我计划在未来提取 字符串的特定文件名，我不能依赖 cut 命令（我 最终将不得不使用sed 命令）

输入字符串

ERROR 1: /home/rphillips/Desktop/empties/BN23_2303.tif, band 1: Failed to compute statistics, no valid pixels found in sampling.

预期结果

ERROR 1: /home/rphillips/Desktop/empties/BN25_2303.tif

在我们了解您的sed 命令不起作用的可能原因之前，让我们看看您上面的实际问题。如果您只是想提取第一个逗号之前的文本，那么您只需要：

sed 's/,.*//'

（简单地说删除从第一个逗号到结尾的所有内容）

您也可以使用反向引用（这将有助于实现提取文件名的最终目标），例如

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

（表示'^' 从开头开始，\([^,][^,]*\) 捕获至少 1 个非逗号字符的所有文本，包括零个或多个非逗号字符，.*$ 丢弃所有文本到结尾和\1 仅使用反向引用替换捕获的文本）

要达到仅提取文件名的目标，您只需修改上述内容以使用第一个正斜杠开始捕获，例如

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

使用/输出示例

$ sed 's/^[^/]*\([^,][^,]*\).*$/\1/' <<< $name
/home/rphillips/Desktop/empties/BN23_2303.tif

我不确定这是否会导致表达式无法被 sed -e?

sed 没有-E (--regexp-extended) 选项使用基本 正则表达式（不包括向后或向前）。

如果您打算使用逗号分隔值的剩余字段，您可能需要考虑使用awk 来解析这些字段。您可以轻松获取所有指定 -F 字段分隔符的字段和一个简单的循环。

$ awk -F', ' 'for (i = 1; i <= NF; i++) printf "field %d - %s\n", i, $i' <<< $name
field 1 - ERROR 1: /home/rphillips/Desktop/empties/BN23_2303.tif
field 2 - band 1: Failed to compute statistics
field 3 - no valid pixels found in sampling.

（您也可以在循环中使用条件进一步解析每个字段）

在 Bash 中 - 只需要参数扩展

不要只见树木不见森林，因为您指定了bash，如果您只是想从name 中提取文件名，您所需要的只是带有子字符串删除的参数扩展 （先从右，再从左），例如

tmp=$name%%,*    ## trim to (and including) the 1st comma from the right
echo "/$tmp#*/"  ## trim to and including the first / from the left
/home/rphillips/Desktop/empties/BN23_2303.tif

（一种更有效的方法）

查看一下，如果您还有其他问题，请告诉我。