Como extrair texto de uma string usando sed?

95

Minha string de exemplo é a seguinte:

This is 02G05 a test string 20-Jul-2012

Agora, da string acima, quero extrair 02G05. Para isso tentei o seguinte regex com sed

$ echo "This is 02G05 a test string 20-Jul-2012" | sed -n '/\d+G\d+/p'

Mas o comando acima não imprime nada e a razão pela qual acredito é que ele não é capaz de corresponder nada ao padrão que forneci ao sed.

Portanto, minha pergunta é o que estou fazendo de errado aqui e como corrigi-lo.

Quando tento a string acima e o padrão com python, obtenho meu resultado

>>> re.findall(r'\d+G\d+',st)
['02G05']
>>>

regex bash sed

— RanRag
fonte

6

Python definitivamente não é sed. Seus sabores regex são bastante diferentes.

— tripleee

91

O padrão \dpode não ser compatível com o seu sed. Experimente [0-9]ou em [[:digit:]]vez disso.

Para imprimir apenas a correspondência real (não toda a linha correspondente), use uma substituição.

sed -n 's/.*\([0-9][0-9]*G[0-9][0-9]*\).*/\1/p'

— triplo
fonte

6

Obrigado, funcionou bem. Mas tenho uma dúvida porque .*é necessário com sua regex porque quando tento sed -n 's/\([0-9]\+G[0-9]\+\)/\1/p'apenas imprime a linha inteira.

— RanRag

7

É por isso, não é? Substitua tudo o que vier antes e depois da correspondência por nada e, em seguida, imprima a linha inteira.

— tripleee

1

@tripleee Isso só 2G05não imprime 02G05. A expressão que funciona é's/.*\([0-9][0-9]G[0-9][0-9]*\).*/\1/p'

— Kshitiz Sharma

1

Isso o codifica para exatamente dois dígitos. Algo como sed -n 's/\(.*[^0-9]\)\?\([0-9][0-9]*G[0-9][0-9]*\).*/\2/p'seria mais geral. (Suponho que seus sedapoios \?para zero ou uma ocorrência.)

— triplo

Veja também stackoverflow.com/a/48898886/874188 de como substituir vários outros comum Perl escapa como \w, \s, etc.

— tripleee

98

Que tal usar grep -E?

echo "This is 02G05 a test string 20-Jul-2012" | grep -Eo '[0-9]+G[0-9]+'

— mVChr
fonte

3

+1 Isto é mais simples e também tratará corretamente o caso de múltiplas correspondências na mesma linha. Um sedscript complexo poderia ser criado para esse caso, mas por que se preocupar?

— tripleee de

egrepusa regexp estendida sede grepusa regexp padrão, egrepou grep -eou sed -Eusa regexp estendida, e o código python em questão usa PCRE (expressão regular comum de perl) GNU grep pode usar PCRE com -Popção.

— Felipe Buccioni

@FelipeBuccioni na verdade deveria ser egrepou grep -Eoused -r

— SensorSmith

Para uma única (primeira) correspondência, acrescente `| head -1` (sem backticks), conforme esta resposta a outra pergunta.

— SensorSmith

1

greptem -m 1que parar após a primeira partida.

— tripleee de

5

sednão reconhece \d, use em seu [[:digit:]]lugar. Você também precisará escapar do +ou usar a -rchave (-E no OS X).

Observe que isso [0-9]funciona bem para algarismos árabe-hindus.

— Pausado até novo aviso.
fonte

Eu tentei sed -n '/[0-9]\+G[0-9]\+/p'. Agora, ele apenas imprime a string inteira

— RanRag

@Noob: você precisará usar a substituição para excluir as partes que não deseja imprimir .

— Pausado até novo aviso.

5

Em vez disso, tente isto:

echo "This is 02G05 a test string 20-Jul-2012" | sed 's/.* \([0-9]\+G[0-9]\+\) .*/\1/'

Mas observe, se houver dois padrões em uma linha, ele imprimirá o segundo.

— Zsolt Botykai
fonte

Ou, mais geralmente, o último se houver várias correspondências.

— tripleee

0

Tente usar o rextract . Ele permitirá que você extraia o texto usando uma expressão regular e o reformate.

Exemplo:

$ echo "This is 02G05 a test string 20-Jul-2012" | ./rextract '([\d]+G[\d]+)' '${1}'

2G05

— Tim Savannah
fonte

Se isso usar regex padrão, os colchetes ao redor \dsão completamente supérfluos.

— tripleee