การจับภาพกลุ่มจาก Grep RegEx

ฉันมีสคริปต์เล็ก ๆ นี้ในsh(Mac OSX 10.6) เพื่อดูไฟล์ต่างๆ Google หยุดให้ความช่วยเหลือในตอนนี้:

files="*.jpg"
for f in $files
    do
        echo $f | grep -oEi '[0-9]+_([a-z]+)_[0-9a-z]*'
        name=$?
        echo $name
    done

จนถึงตอนนี้ (เห็นได้ชัดว่าคุณปรมาจารย์เปลือกหอย) $nameถือเพียง 0, 1 หรือ 2 ขึ้นอยู่กับว่าgrepพบว่าชื่อไฟล์ตรงกับเรื่องที่ให้ สิ่งที่ผมต้องการคือการจับสิ่งที่อยู่ภายใน parens([a-z]+)และร้านค้าที่ให้กับตัวแปร

ฉันต้องการที่จะใช้grepเพียง แต่ถ้าเป็นไปได้ ถ้าไม่โปรดอย่าใช้ Python หรือ Perl เป็นต้นsedหรืออะไรทำนองนี้ - ฉันใหม่กับเชลล์และต้องการโจมตีมันจากมุม * * * * คนเจ้าระเบียบ

นอกจากนี้ในฐานะที่เป็นbonu สุดยอดฉันอยากรู้อยากเห็นว่าฉันสามารถเชื่อมสตริงในเปลือก? กลุ่มที่ฉันจับเป็นสตริง "somename" ที่เก็บไว้ในชื่อ $ และฉันต้องการเพิ่มสตริง ".jpg" ที่ส่วนท้ายของมันcat $name '.jpg'ใช่ไหม

โปรดอธิบายสิ่งที่เกิดขึ้นหากคุณมีเวลา

หากคุณกำลังใช้ Bash คุณไม่จำเป็นต้องใช้grep:

files="*.jpg"
regex="[0-9]+_([a-z]+)_[0-9a-z]*"
for f in $files    # unquoted in order to allow the glob to expand
do
    if [[ $f =~ $regex ]]
    then
        name="${BASH_REMATCH[1]}"
        echo "${name}.jpg"    # concatenate strings
        name="${name}.jpg"    # same thing stored in a variable
    else
        echo "$f doesn't match" >&2 # this could get noisy if there are a lot of non-matching files
    fi
done

จะเป็นการดีกว่าถ้าใส่ regex ลงในตัวแปร รูปแบบบางอย่างจะไม่ทำงานถ้ารวมตัวอักษร

วิธีนี้ใช้ =~ซึ่งเป็นโอเปอเรเตอร์การแข่งขันของ Bash $BASH_REMATCHผลที่ได้จากการแข่งขันจะถูกบันทึกไปยังอาร์เรย์ที่เรียกว่า กลุ่มการจับครั้งแรกจะถูกเก็บไว้ในดัชนี 1, ที่สอง (ถ้ามี) ในดัชนี 2, ฯลฯ ดัชนีศูนย์คือการแข่งขันแบบเต็ม

คุณควรทราบว่าไม่มีจุดยึด regex นี้ (และอันที่ใช้grep) จะตรงกับตัวอย่างใด ๆ ต่อไปนี้และอื่น ๆ ซึ่งอาจไม่ใช่สิ่งที่คุณกำลังมองหา:

123_abc_d4e5
xyz123_abc_d4e5
123_abc_d4e5.xyz
xyz123_abc_d4e5.xyz

หากต้องการกำจัดตัวอย่างที่สองและสี่ให้ทำ regex ของคุณดังนี้:

^[0-9]+_([a-z]+)_[0-9a-z]*

ซึ่งระบุว่าสตริงจะต้องเริ่มต้นด้วยตัวเลขหนึ่งหลักหรือมากกว่า กะรัตหมายถึงจุดเริ่มต้นของสตริง หากคุณเพิ่มเครื่องหมายดอลลาร์ในตอนท้ายของ regex เช่นนี้:

^[0-9]+_([a-z]+)_[0-9a-z]*$

จากนั้นตัวอย่างที่สามจะถูกกำจัดเนื่องจากจุดไม่ได้อยู่ในตัวละครใน regex และเครื่องหมายดอลลาร์แสดงถึงจุดสิ้นสุดของสตริง โปรดทราบว่าตัวอย่างที่สี่ล้มเหลวในการแข่งขันนี้เช่นกัน

หากคุณมี GNU grep(ประมาณ 2.5 หรือใหม่กว่าฉันคิดว่าเมื่อมี\Kการเพิ่มโอเปอเรเตอร์):

name=$(echo "$f" | grep -Po '(?i)[0-9]+_\K[a-z]+(?=_[0-9a-z]*)').jpg

\Kประกอบการ (ความยาวตัวแปรมองหลัง) ทำให้เกิดรูปแบบก่อนหน้านี้จะมีการแข่งขัน แต่ไม่รวมถึงการแข่งขันในผลลัพธ์ ความยาวคงที่เท่ากับคือ(?<=)- รูปแบบจะถูกรวมไว้ในวงเล็บปิด คุณต้องใช้\Kถ้าปริมาณอาจตรงกับสตริงของความยาวที่แตกต่างกัน (เช่น+, *, {2,4})

ตัว(?=)ดำเนินการจับคู่รูปแบบคงที่หรือความยาวผันแปรและเรียกว่า "ดูล่วงหน้า" นอกจากนี้ยังไม่รวมสตริงที่ตรงกันในผลลัพธ์

เพื่อให้ตรงกับตัวพิมพ์เล็กและตัวพิมพ์ใหญ่(?i)จะใช้ตัวดำเนินการ มันส่งผลต่อรูปแบบที่ตามมาดังนั้นตำแหน่งจึงมีความสำคัญ

อาจต้องปรับ regex ขึ้นอยู่กับว่ามีอักขระอื่น ๆ ในชื่อไฟล์หรือไม่ คุณจะทราบว่าในกรณีนี้ฉันแสดงตัวอย่างของการต่อสตริงในเวลาเดียวกันกับที่จับสตริงย่อย

สิ่งนี้เป็นไปไม่ได้จริง ๆ กับบริสุทธิ์grepอย่างน้อยก็ไม่ใช่

แต่ถ้ารูปแบบของคุณเหมาะสมคุณอาจจะสามารถใช้grepหลาย ๆ ครั้งภายในไปป์ไลน์เพื่อลดบรรทัดของคุณลงในรูปแบบที่รู้จักก่อนแล้วจึงแยกเพียงบิตที่คุณต้องการ (แม้ว่าเครื่องมือจะชอบcutและsedดีกว่านี้)

สมมติว่าเป็นเพราะการโต้แย้งว่ารูปแบบของคุณนั้นเรียบง่ายกว่า: [0-9]+_([a-z]+)_คุณสามารถแยกแบบนี้ได้:

echo $name | grep -Ei '[0-9]+_[a-z]+_' | grep -oEi '[a-z]+'

ก่อนgrepจะลบบรรทัดใด ๆ ที่ไม่ตรงกับบิดาโดยรวมของคุณที่สองgrep(ซึ่งได้--only-matchingระบุไว้) จะแสดงส่วนอัลฟาของชื่อ ใช้งานได้เนื่องจากรูปแบบเหมาะสม: "ส่วนอัลฟา" มีความเฉพาะเจาะจงมากพอที่จะดึงสิ่งที่คุณต้องการ

(นอกเหนือจาก: โดยส่วนตัวแล้วฉันจะใช้grep+ cutเพื่อให้ได้สิ่งที่คุณเป็นหลังจากนั้น: echo $name | grep {pattern} | cut -d _ -f 2. สิ่งนี้cutจะแยกบรรทัดลงในฟิลด์โดยแยกบนตัวคั่น_และส่งคืนเฉพาะฟิลด์ 2 (หมายเลขฟิลด์เริ่มต้นที่ 1))

ปรัชญา Unix คือการมีเครื่องมือที่ทำสิ่งใดสิ่งหนึ่งและทำได้ดีและรวมเข้าด้วยกันเพื่อให้ได้งานที่ไม่สำคัญดังนั้นฉันจึงยืนยันว่าgrep+ sedฯลฯ เป็นวิธี Unixy มากขึ้นในการทำสิ่งต่าง ๆ :-)

ฉันรู้ว่าคำตอบได้รับการยอมรับแล้วสำหรับเรื่องนี้ แต่จาก "มุมพิถีพิถันอย่างเคร่งครัด *" ดูเหมือนว่าเครื่องมือที่เหมาะสมสำหรับงานคือpcregrepซึ่งยังไม่ได้กล่าวถึง ลองเปลี่ยนเส้น:

    echo $f | grep -oEi '[0-9]+_([a-z]+)_[0-9a-z]*'
    name=$?

เพื่อต่อไปนี้:

    name=$(echo $f | pcregrep -o1 -Ei '[0-9]+_([a-z]+)_[0-9a-z]*')

เพื่อรับเนื้อหาของกลุ่มการดักจับ 1 เท่านั้น

pcregrepเครื่องมือที่ใช้ทั้งหมดของไวยากรณ์เดียวกับที่คุณเคยใช้แล้วกับgrepแต่ใช้ฟังก์ชันการทำงานที่คุณต้องการ

พารามิเตอร์ใช้-oงานได้เหมือนกับgrepเวอร์ชันหากไม่แสดง แต่ก็ยอมรับพารามิเตอร์ตัวเลขpcregrepด้วยซึ่งจะระบุกลุ่มการจับที่คุณต้องการแสดง

ด้วยวิธีนี้มีการเปลี่ยนแปลงขั้นต่ำเปลือยในสคริปต์ คุณเพียงแค่แทนที่ยูทิลิตี้แบบแยกส่วนหนึ่งด้วยอีกอันหนึ่งแล้วปรับแต่งพารามิเตอร์

หมายเหตุที่น่าสนใจ:คุณสามารถใช้อาร์กิวเมนต์ -o หลายอันเพื่อส่งคืนกลุ่มการดักจับหลายกลุ่มตามลำดับที่ปรากฏในบรรทัด

เป็นไปไม่ได้ใน grep ที่ฉันเชื่อ

สำหรับ sed:

name=`echo $f | sed -E 's/([0-9]+_([a-z]+)_[0-9a-z]*)|.*/\2/'`

ฉันจะแทงด้วยโบนัสแม้ว่า:

echo "$name.jpg"

นี่คือทางออกที่ใช้เพ่งพิศ มันเป็นสิ่งที่ฉันพบว่าฉันจำเป็นต้องใช้บ่อย ๆ ดังนั้นฉันจึงสร้างฟังก์ชั่นสำหรับมัน

function regex1 { gawk 'match($0,/'$1'/, ary) {print ary['${2:-'1'}']}'; }

ที่จะใช้เพียงแค่ทำ

$ echo 'hello world' | regex1 'hello\s(.*)'
world

คำแนะนำสำหรับคุณ - คุณสามารถใช้การขยายพารามิเตอร์เพื่อลบส่วนของชื่อออกจากเครื่องหมายขีดล่างสุดท้ายเป็นต้นไปและคล้ายกันในตอนเริ่มต้น:

f=001_abc_0za.jpg
work=${f%_*}
name=${work#*_}

จากนั้นจะมีค่าnameabc

ดูเอกสารสำหรับนักพัฒนาของ Apple ค้นหาคำว่า 'การขยายพารามิเตอร์'

หากคุณมีทุบตีคุณสามารถใช้การขยายแบบวงกลม

shopt -s extglob
shopt -s nullglob
shopt -s nocaseglob
for file in +([0-9])_+([a-z])_+([a-z0-9]).jpg
do
   IFS="_"
   set -- $file
   echo "This is your captured output : $2"
done

หรือ

ls +([0-9])_+([a-z])_+([a-z0-9]).jpg | while read file
do
   IFS="_"
   set -- $file
   echo "This is your captured output : $2"
done