带grep的字符偏移

Question

当我在我的bash终端上运行这个时：

grep -ob "amilase" <<< "α-amilase"

我明白了：

3:amilase

让我们将字节偏移量定义为匹配字之前的字节数，将字符偏移量定义为匹配字之前的用户可见字符数。

上面的3对应于匹配字的字节偏移量。α是一个占2字节的unicode字符，这就是我们得到3的原因。

但是如何获得字符偏移量，在本例中是2？为什么是2？如果您查看屏幕并计算匹配单词之前存在多少可见符号，您将数到2。

我正在寻找一个类似grep -o的解决方案，也就是说，如果每行有多个匹配，它们都会被报告。

Answer 1

你可以把你自己的可怜人的grep弄出来！

将其放入一个名为“mygrep”的脚本中：

#!/bin/bash

# Takes extended regex as first argument
# Text to match received on standard in
if
  [[ $# != 1 ]]
then
 echo "This script takes one argument as input"
 exit 1
fi

while IFS= read -r LINE
do
  while true
  do
    [[ "$LINE" =~ ^(.*)($1)(.*)$ ]] || break
    echo "${#BASH_REMATCH[1]}:$1"
    LINE="${BASH_REMATCH[1]}"
  done | tac
done

然后，只需在命令中替换grep：

mygrep "amilase" <<< "α-amilase"

脚本遍历所有输入行，将每一行与作为参数接收的正则表达式匹配(它可以是一个简单的字符串，但如果需要，您可以将正则表达式的全部功能放在指尖上)。我已经更新了我的答案，允许在一条线上进行多个匹配。| tac用于反转行的顺序，因为贪婪的匹配首先匹配每一行上的最后一次匹配:如果您不介意反向出现的匹配，只需删除| tac。

我不确定输出是否是您想要的，您可以轻松地定制它。

请注意，=~操作符执行模式匹配(egrep语法)，而BASH_REMATCH是一个数组，用于访问(从索引1开始)括号内的子表达式。

Answer 2

如果您想要一个基于0的匹配索引，可以使用awk尝试：

awk '{print index($0,"amil")-1}'<<< "α-amilase"    
2

awk '{print index($0,"amil")-1}'<<< "fooamilα-whatever"        
3

如果没有找到匹配项，则打印-1。