如何使用 sed、awk 或 gawk 仅打印匹配的内容？

我的 sed (Mac OS X) 不适用于 +。我尝试了 * 并添加了 p 标记以打印匹配：

sed -n 's/^.*abc\([0-9]*\)xyz.*$/\1/p' example.txt

为了匹配至少一个不带 + 的数字字符，我会使用：

sed -n 's/^.*abc\([0-9][0-9]*\)xyz.*$/\1/p' example.txt

---

您可以使用 sed 来执行此操作

 sed -rn 's/.*abc([0-9]+)xyz.*/\1/gp'

-n 不打印结果行

-r 这使得你没有逃脱捕获组parens（）。

\1 捕获组匹配

/g 全局匹配

/p 打印结果

我为自己写了一个tool，让这更容易

rip 'abc(\d+)xyz' '$1'

---

我使用 perl 使这对我自己更容易。例如

perl -ne 'print $1 if /.*abc([0-9]+)xyz.*/'

这将运行 Perl，-n 选项指示 Perl 从 STDIN 一次读取一行并执行代码。 -e 选项指定要运行的指令。

该指令在读取的行上运行正则表达式，如果匹配则打印出第一组括号 ($1) 的内容。

您也可以在最后使用多个文件名。例如

perl -ne 'print $1 if /.*abc([0-9]+)xyz.*/' example1.txt example2.txt

---

如果您的 grep 版本支持它，您可以使用 -o 选项仅打印与您的正则表达式匹配的任何行的部分。

如果没有，那么这是我能想到的最好的 sed：

sed -e '/[0-9]/!d' -e 's/^[^0-9]*//' -e 's/[^0-9]*$//'

...删除/跳过没有数字的行，并且对于剩余的行，删除所有前导和尾随非数字字符。 （我只是猜测您的意图是从包含一个的每一行中提取数字）。

类似的问题：

sed -e 's/.*\([0-9]*\).*/&/' 

.... 或者

sed -e 's/.*\([0-9]*\).*/\1/'

...是 sed 只支持“贪婪”匹配...所以第一个 .* 将匹配该行的其余部分。除非我们可以使用否定字符类来实现非贪婪匹配...或具有 Perl 兼容的 sed 版本或其正则表达式的其他扩展，否则我们无法从模式空间中提取精确的模式匹配（一条线）。

---

您可以将 awk 与 match() 一起使用来访问捕获的组：

$ awk 'match($0, /abc([0-9]+)xyz/, matches) {print matches[1]}' file
12345

这会尝试匹配模式 abc[0-9]+xyz。如果这样做，它将其切片存储在数组 matches 中，其第一项是块 [0-9]+。由于 match() 返回该子字符串开始的字符位置或索引（1，如果它从字符串的开头开始），它会触发 print 操作。

使用 grep，您可以使用后视和前瞻：

$ grep -oP '(?<=abc)[0-9]+(?=xyz)' file
12345

$ grep -oP 'abc\K[0-9]+(?=xyz)' file
12345

这会检查出现在 abc 和 xyz 中的模式 [0-9]+ 并仅打印数字。

---

perl 是最简洁的语法，但如果您没有 perl（我理解并非总是存在），那么使用 gawk 和正则表达式组件的唯一方法是使用 gensub 功能。

gawk '/abc[0-9]+xyz/ { print gensub(/.*([0-9]+).*/,"\\1","g"); }' < file

示例输入文件的输出将是

12345

注意： gensub 替换整个正则表达式（在 // 之间），因此您需要在 ([0-9]+) 之前和之后放置 .* 以消除替换中数字之前和之后的文本。

---

如果要选择行，请去掉不需要的位：

egrep 'abc[0-9]+xyz' inputFile | sed -e 's/^.*abc//' -e 's/xyz.*$//'

它基本上使用 egrep 选择您想要的行，然后使用 sed 去除数字前后的位。

你可以在这里看到这个：

pax> echo 'a
b
c
abc12345xyz
a
b
c' | egrep 'abc[0-9]+xyz' | sed -e 's/^.*abc//' -e 's/xyz.*$//'
12345
pax> 

更新：显然，如果您的实际情况更复杂，则需要我修改 RE。例如，如果您总是在开头和结尾处将一个数字埋在零个或多个非数字中：

egrep '[^0-9]*[0-9]+[^0-9]*$' inputFile | sed -e 's/^[^0-9]*//' -e 's/[^0-9]*$//'

---

OP 的案例没有指定单行可以有多个匹配项，但是对于 Google 流量，我也会为此添加一个示例。

由于 OP 需要从模式中提取组，因此使用 grep -o 将需要 2 遍。但是，我仍然认为这是完成工作的最直观的方式。

$ cat > example.txt <<TXT
a
b
c
abc12345xyz
a
abc23451xyz asdf abc34512xyz
c
TXT

$ cat example.txt | grep -oE 'abc([0-9]+)xyz'
abc12345xyz
abc23451xyz
abc34512xyz

$ cat example.txt | grep -oE 'abc([0-9]+)xyz' | grep -oE '[0-9]+'
12345
23451
34512

由于处理器时间基本上是免费的，但人类的可读性是无价的，我倾向于基于以下问题重构我的代码：“一年后，我认为这会做什么？”事实上，对于我打算公开或与我的团队共享的代码，我什至会打开 man grep 来找出长选项是什么并替换它们。像这样：grep --only-matching --extended-regexp

---

为什么甚至需要匹配组

gawk/mawk/mawk2 'BEGIN{ FS="(^.*abc|xyz.*$)" } ($2 ~ /^[0-9]+$/) {print $2}'

让FS收走线路的两端。

如果 $2（FS 没有吞下的剩余部分）不包含非数字字符，那就是您打印出来的答案。

如果您格外谨慎，请确认 1 美元和 3 美元的长度都为零。

** 实现零长度后编辑的答案 $2 会绊倒我以前的解决方案

---

有一段来自 awk 频道的标准代码，称为“FindAllMatches”，但它仍然非常手动，从字面上看，只是 while()、match()、substr()、更多 substr() 的长循环，然后冲洗并重复。

如果您正在寻找有关如何仅获取匹配部分的想法，但是对于每行匹配多次或根本不匹配的复杂正则表达式，请尝试以下操作：

mawk/mawk2/gawk 'BEGIN { srand(); for(x = 0; x < 128; x++ ) { 

    alnumstr = sprintf("%s%c", alnumstr , x) 
 }; 
 gsub(/[^[:alnum:]_=]+|[AEIOUaeiou]+/, "", alnumstr) 
                       
                    # resulting str should be 44-chars long :
                    # all digits, non-vowels, equal sign =, and underscore _

 x = 10; do { nonceFS = nonceFS substr(alnumstr, 1 + int(44*rand()), 1)

 } while ( --x );   # you can pick any level of precision you need.
                    # 10 chars randomly among the set is approx. 54-bits 
                    #
                    # i prefer this set over all ASCII being these 
                    # just about never require escaping 
                    # feel free to skip the _ or = or r/t/b/v/f/0 if you're concerned.
                    #
                    # now you've made a random nonce that can be 
                    # inserted right in the middle of just about ANYTHING
                    # -- ASCII, Unicode, binary data -- (1) which will always fully
                    # print out, (2) has extremely low chance of actually
                    # appearing inside any real word data, and (3) even lower chance
                    # it accidentally alters the meaning of the underlying data.
                    # (so intentionally leaving them in there and 
                    # passing it along unix pipes remains quite harmless)
                    #
                    # this is essentially the lazy man's approach to making nonces
                    # that kinda-sorta have some resemblance to base64
                    # encoded, without having to write such a module (unless u have
                    # one for awk handy)


    regex1 = (..);  # build whatever regex you want here

    FS = OFS = nonceFS;

 } $0 ~ regex1 { 

    gsub(regex1, nonceFS "&" nonceFS); $0 = $0;  

                   # now you've essentially replicated what gawk patsplit( ) does,
                   # or gawk's split(..., seps) tracking 2 arrays one for the data
                   # in between, and one for the seps.
                   #
                   # via this method, that can all be done upon the entire $0,
                   # without any of the hassle (and slow downs) of 
                   # reading from associatively-hashed arrays,
                   # 
                   # simply print out all your even numbered columns
                   # those will be the parts of "just the match"

如果您还运行另一个 OFS = ""; $1 = $1;，现在不再需要 4 参数 split() 或 patsplit()，这两个参数都是特定于查看正则表达式 seps 的，现在整个 $0 的字段都在 data1 中-sep1-data2-sep2-.... 模式，......一直以来 $0 看起来与您第一次阅读该行时完全相同。直接向上的 print 将逐字节地与读取时立即打印相同。

一旦我使用代表有效UTF8字符的正则表达式对其进行了极端测试。 mawk2 大概花了 30 秒左右的时间来处理一个 167MB 的文本文件，其中包含大量的 CJK unicode，一次全部读入 $0，然后启动这个拆分逻辑，导致 NF 约为 175,000,000，每个字段都是 1-single ASCII 或多字节 UTF8 Unicode 字符。

---

你可以用外壳来做

while read -r line
do
    case "$line" in
        *abc*[0-9]*xyz* ) 
            t="${line##abc}"
            echo "num is ${t%%xyz}";;
    esac
done <"file"

---

对于 awk。我会使用以下脚本：

/.*abc([0-9]+)xyz.*/ {
            print $0;
            next;
            }
            {
            /* default, do nothing */
            }

---

gawk '/.*abc([0-9]+)xyz.*/' file

---