正则表达式匹配并使用awk / grep / sed / bash / vim打印

Question

我有一个文本文件，其中每一行具有以下结构

<six digit number>;; some text of arbitrary (non-zero) length<another six digit number>some other (possibly zero length) text

我只想从每行中提取一对六位数的数字，例如，如果某行包含

234567;; some text with any number of arbitrary characters876352some other text

输出将是

234567;;876352

我尝试使用awk / grep / sed / bash / vim的解决方案总数太多，无法在此处列出。 以下是其中之一

#!/bin/bash

truncate --size 0 file.out
for line in "$(cat ../allwithpins)";
do
    echo $line | 'match($0, /[0123456789]{6}/, ary) {print ary[0], ary[1]}' >> file.out
    # echo $line
    # if [[ $line =~ [0123456789]{6} ]];
    # then
    #     echo ${BASH_REMATCH[$1]}
    #     #echo ${BASH_REMATCH[$1]}
    #     #echo ${BASH_REMATCH[$2]}
    # fi;
done

Answer 1

sed -r 's/^([0-9]{6};;).*([0-9]{6}).*/\1 \2/g' inputfile
234567;;876352

注意：如果您希望输出不以;;分隔 ：

sed -r 's/^([0-9]{6}).*([0-9]{6}).*/\1 \2/g' inputfile

在这里，我们在这里捕获(和)的文本组，然后使用\\1和\\2 ... \\n引用它们。 因此可以稍后使用\\1来表示first (``)的内容。

Answer 2

使用awk另一种解决方案

awk -F"[^0-9;]" '{print $1$(NF)}'

• -F"[^0-9;]"将字段分隔符设置为数字以外的任何其他字符;

• print $1$(NF)为每个输入行打印由指定的分隔符分隔的第一个和最后一个字段。

  NF是字段的总数，因此$(NF)将是最后一个字段。

---

例

$ echo "234567;; some text with any 123 number of arbitrary characters876352" | awk -F"[^0-9;]" '{print $1$(NF)}'
234567;;876352

---

编辑

如果您想在数字位数等中添加更多支票，则正则表达式比较可以为您提供帮助。

例

$ awk -F"[^0-9;]" '$1 ~ /[0-9]{6};;/ && $0 ~ /[^0-9][0-9]{6}$/{print $1$(NF)}' file
234567;;876352
234567;;876352

$ cat file
234567;; some text with any number of arbitrary characters876352
234567;; some text with any number of arbitrary characters876352iaasdfadf
234567;; some text with any number of arbitrary characters876352
234567;; some text with any number of arbitrary characters8763
234567;; some text with any number of arbitrary characters876352iaasdfadf0987654321

• $1 ~ /[0-9]{6};;/检查第一个字段是否包含6位数字，后跟;;

• $0 ~ /[^0-9][0-9]{6}$检查输入行是否以6位数字结尾。 [^0-9]检查6位数字是否没有其他数字的前面。

Answer 3

使用=~运算符的具有内置regEx功能的bash解决方案（从bash 3.0开始支持）

#!/bin/bash

while IFS= read -r line
do
    [[ $line =~ ^([[:digit:]]{6}).*([[:alpha:]]+)([[:digit:]]{6})([[:alnum:]]+).*$ ]]
    printf "%s %s\n" "${BASH_REMATCH[1]}"  "${BASH_REMATCH[3]}"
done <file

在示例文件上运行脚本

234567;; some text with any number of arbitrary characters876352some other text
234567;; some text with any number of arbitrary characters876352abcd 124356
224967;; some text with any abpsf242432 of arbitrary characters676353abcd 2343
224967;; some text with any 222355 of arbitrary characters376353cbdw 53534e
224967;; some text with any 21462@2 of arbitrary characters476353cwsf543643

产生结果为

$ bash script.sh
234567 876352
234567 876352
224967 676353
224967 376353
224967 476353

分别是您期望的前面和后面的6位数字。

Answer 4

使用sed删除数字和分号以外的所有字符：

sed 's/[^0-9;]//g' <<< "234567;; some text with any number of arbitrary characters876352some other text"
234567;;876352