用于从带有可选字符 ~ 的字符串中捕获路径的正则表达式 (perl|awk|sed|..)

Question

我想匹配第一个和最后一个斜杠之间的所有内容/包括可选的~在第一个斜杠之前。

我在第一部分使用了这个：

echo ~~a~/dir1/di r2/b.c \
| perl -pe 's/[^\/]*(\/.*\/).*/\1/'

产生/dir1/di r2/ 。

这场比赛包括波浪号：

perl -pe 's/ .* ( ~ \\/.*\\/).*/\\1/'

但添加? 在这些情况下，对于可选字符似乎不起作用：

perl -pe 's/ .* ( ~? \\/.*\\/).*/\\1/' -> /di r2/
perl -pe 's/ .* ( (?:~) \\/.*\\/).*/\\1/' -> ~~a/dir1/di r2/bc

我做错了什么？

Answer 1

如果我正确理解了所需的输出，无论是否使用波浪号，这都适用于我

echo "path /d1/d2/43a/" | perl -nE 'm{ ( ~? (?: /.*/ | /) ) }x; say "$1"'

版画

/d1/d2/43a/

相同的 Perl 代码，在输入的第一个斜杠前有一个波浪号

echo "path ~/d1/d2/43a/" | perl -nE 'm{ ( ~? (?: /.*/ | /) ) }x; say "$1"'

版画

~/d1/d2/43a/

注释不推荐在替换中使用/1 。 请改用$1 。 使用{}作为分隔符，我们不必转义/ ，使其更具可读性（而使用除//以外的分隔符时，我们不能在前面省略m ）。 否则，在使用/作为分隔符然后将其转义到内部时，同样有效。

---

更新

为了同时捕获一个单独的~/ （或/ ），最简单的更改是显式添加/.*/ | / /.*/ | / . 为了在这两种情况下捕获（可选） ~ ，围绕此有一个（非捕获）分组。 删除了-w标志，因此当输入字符串根本没有斜杠时不会发出警告，但只打印一个空行。

Answer 2

原始要求

档案data

~~a~/dir1/di r2/b.c
/dir1/di r2/z.y
~/dir1/di r3/p.q
gobbledegook~/name/more/still/more/notwanted.c
xxx~//yyy

脚本

perl -ple 's%(?:^.*?)((?:^|~)/.*/).*%$1%' data

示例输出

~/dir1/di r2/
/dir1/di r2/
~/dir1/di r3/
~/name/more/still/more/
~//

那是你需要的吗？

剖析正则表达式

s%(?:^.*?)((?:^|~)/.*/).*%$1%

第一部分(?:^.*?)是对行首任意字符序列的非捕获非贪婪匹配。

第二部分((?:^|~)/.*/)是一个捕获表达式，它包含一个在行首或波浪号匹配的非捕获术语，后跟一个斜杠和一个贪婪的任何东西直到最后一个斜线。

尾随的.*匹配第二部分之后的所有内容。

替换只是捕获的内容； 剩下的就是 Perl 就是 Perl。

---

修订要求

原来的问题陈述似乎是不完整的。 显然：

对于单斜杠，它应该只输出/ （如果存在，则带有伴随的波浪号）。 对于没有斜杠，最好是空字符串，因为没有匹配项。 ... 对于这种情况， ~ab/c/df它返回完整的字符串； 相反，它应该返回/c/ 。

所以，这里有一个修改过的脚本来处理特殊的额外情况（“学习如何钓鱼”发生了什么？）。 ~ab/c/df案例丢失了? “字符串开头或波浪号”分组上的限定符。

修订的data文件

~~a~/dir1/di r2/b.c
/dir1/di r2/z.y
~/dir1/di r3/p.q
gobbledegook~/name/more/still/more/notwanted.c
xxx~//yyy
not-a-slash-in-sight
just-the-one/with-extra-info
just-the~/with-more-info
~/one-slash-at-start-with-tilde
/one-slash-at-start-without-tilde
~a b/c/d.f

修改脚本

perl -ple 's%^[^/]*$%%; s%(?:^[^/]*?)((?:^|~)?/)[^/]*$%$1%; s%(?:^[^/]*?)((?:^|~)?/.*/).*%$1%' data

对原始表达式的轻微修改放在最后。

第一个s///查找没有任何/并用空替换它们。

第二个s///查找带有斜杠的行，前面可能是波浪号或行首，然后是非斜杠到带有可选波浪号和斜杠的行尾。

匹配事件中前两个的输出与第三个s///不匹配。

修订后的产出

~/dir1/di r2/
/dir1/di r2/
~/dir1/di r3/
~/name/more/still/more/
~//

/
~/
~/
/
/c/