GREP 在正则表达式列表中，并将捕获组作为单独的字段包含在 output 中

Question

假设我有两个文件

File_1 ，其中包含 user_ids 和 url 列表（数据以制表符分隔）

前 3 行样本

user_1       https://www.truecar.com/prices-new/honda/cr-v
user_2       https://www.truecar.com/prices-new/mazda/cx-5
user_3       https://www.edmunds.com/new-cars

File_2 ，它有一个带有 3 个捕获组的正则表达式列表。

前 2 行的示例：

(truecar\.com)\/prices-new\/([^\/]+)\/([^\/]+) 
(truecar\.com)\/comparison\/([^\/]+)\/([^\/]+)

我想 output file_1 的内容以及 append 将各自的捕获组匹配为 3 个单独的字段。 output 看起来像这样。 为简单起见，假设没有一个捕获组是可选的。

user_1       https://www.truecar.com/prices-new/honda/cr-v    truecar.com    honda    cr-v
user_2       https://www.truecar.com/prices-new/honda/cr-v    truecar.com    mazda    cx-5

我怎样才能做到这一点？ 到目前为止我的尝试

cat file_1 | egrep -f file_2

正则表达式小提琴

Answer 1

Grep不适合处理多个捕获组。 请您尝试bash解决方案：

#!/bin/bash

pat=$(<File_2)

while IFS= read -r line; do
    if [[ $line =~ $pat ]]; then
        printf "%s\t%s\t%s\t%s\n" "$line" "${BASH_REMATCH[@]:1}"
    fi
done < File_1

Output：

user_1  https://www.truecar.com/prices-new/honda/cr-v   truecar.com     honda   cr-v
user_2  https://www.truecar.com/prices-new/mazda/cx-5   truecar.com     mazda   cx-5

Answer 2

使用sed 。 你的正则表达式似乎是扩展的正则表达式。

sed -E 's/(truecar\.com)\/prices-new\/([^\/]+)\/([^\/]+)(.*)/& \1 \2 \3/'

有没有办法可以将包含所有正则表达式的文件传递给 sed？

您可以从 file2 的内容生成sed脚本。 使用sed生成它。

sed -E "$(sed 's/.*/s@&@\& \\1 \\2 \\3@/' file2)"