在bash脚本中从regex捕获组

Question

当构建一个R包时，该命令将进程步骤输出到std。从该输出中，我想获取包的最终名称。

在下面的模拟脚本中，我显示了build命令的输出。需要捕获的部分是从building开始的最后一行。

如何使regex与这些引号匹配，然后将包名捕获到变量中？

#!/usr/bin/env bash

var=$(cat <<"EOF"
Warning message:
* checking for file ‘./DESCRIPTION’ ... OK
* preparing ‘analysis’:
* checking DESCRIPTION meta-information ... OK
* cleaning src
* checking for LF line-endings in source and make files and shell scripts
* checking for empty or unneeded directories
Removed empty directory ‘analysis/.idea/inspectionProfiles’
Removed empty directory ‘analysis/.idea/snapshots’
* creating default NAMESPACE file
* building ‘analysis_0.1.tar.gz’
EOF
)

regex="building [\u2018](.*?)?[\u2019]"

if [[ "${var}" =~ $regex ]]; then
  pkgname="${BASH_REMATCH[1]}"
  echo "${pkgname}"
else
  echo "sad face"
fi

这应该适用于macOS和CentOS。

Answer 1

在Bash4.2中引入了对\u和\U unicode转义的支持。CentOS 7有Bash4.2，因此应该可以在该平台上工作：

regex=$'.*building[[:space:]]+\u2018(.*)\u2019'

不幸的是，早期版本的CentOS有旧版本的Bash，我相信MacOS上的Bash的默认版本仍然是3.2。对于这些人，假设引号被编码为UTF-8，这应该是可行的：

regex=$'.*building[[:space:]]+\xe2\x80\x98(.*)\xe2\x80\x99'

如果引号是在不同平台上以不同的方式编码的，那么您可以使用替换(例如(\xe2\x80\x98|...)而不是xe2\x80\x98)来匹配所有的可能性(并调整用于BASH_REMATCH的索引)。

有关Bash中Unicode的更多信息，请参见How do you echo a 4-digit Unicode character in Bash?。

我使用$'...'设置正则表达式，因为它支持\x和(来自Bash4.2的)字符转义，而Bash正则表达式不支持字符转义。

关于正则表达式：

• 前面的.*是为了确保匹配发生在文本的末尾。
• 我放弃了?，因为它们与Bash的内置正则表达式不兼容。有关Bash正则表达式的信息，请参见mkelement0's excellent answer to How do I use a regex in a shell script?。

Answer 2

做这件事有很多方法，这是一种：

file=`echo "$var" | grep '^\* building' | grep -o '‘.*’' | head -c -4 | tail -c +4`
echo $file

• 找到以* building开头的行(第一个grep)
• 查找‘’之间的文本(第二个grep)
• 丢弃引号(前4个字节和最后4个字节)(头和尾)