如何使用grep、regex或perl提取模式后的字符串

Question

我有一个类似如下的文件：

    <table name="content_analyzer" primary-key="id">
      <type="global" />
    </table>
    <table name="content_analyzer2" primary-key="id">
      <type="global" />
    </table>
    <table name="content_analyzer_items" primary-key="id">
      <type="global" />
    </table>

我需要提取name=后面的引号中的任何内容，即content_analyzer、content_analyzer2和content_analyzer_items。

我是在Linux机器上这样做的，所以使用sed、perl、grep或bash的解决方案就可以了。

Answer 1

由于您需要匹配内容而不将其包含在结果中(必须匹配name="，但它不是所需结果的一部分)，因此需要某种形式的零宽度匹配或组捕获。这可以通过以下工具轻松完成：

Perl

使用Perl，您可以使用n选项逐行循环，如果匹配，则打印捕获组的内容：

perl -ne 'print "$1\n" if /name="(.*?)"/' filename

GNU grep

如果您有一个改进的grep版本，比如GNU grep，那么可以使用-P选项。该选项将启用类似Perl的正则表达式，允许您使用\K，这是一种速记查找。它将重置匹配位置，因此它之前的任何内容都是零宽度。

grep -Po 'name="\K.*?(?=")' filename

o选项使grep只打印匹配的文本，而不是整行。

Vim - Text编辑器

另一种方法是直接使用文本编辑器。对于Vim，实现这一点的各种方法之一是删除不带name=的行，然后从结果行中提取内容：

:v/.*name="\v([^"]+).*/d|%s//\1

标准grep

如果您由于某种原因无法使用这些工具，则可以使用标准grep来实现类似的功能。然而，如果没有环顾四周，它将需要稍后进行一些清理：

grep -o 'name="[^"]*"' filename

关于保存结果的说明

在上面的所有命令中，结果都将发送到stdout。重要的是要记住，你总是可以通过管道将其附加到文件中来保存它们：

> result

到命令的末尾。

Answer 2

正则表达式为：

.+name="([^"]+)"

则分组将在\1中

Answer 3

如果您使用的是Perl，请下载一个模块来解析XML：XML::Simple、XML::Twig或XML::LibXML。不要重复发明轮子。