如何在GREP，REGEX或PERL模式下提取string
我有一个这样的文件：
<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，即content_analyzer，content_analyzer2和content_analyzer_items。
我在一个Linux机器上这样做，所以使用sed，perl，grep或bash的解决scheme是好的。
由于您需要匹配内容而不将其包含在结果中（必须与name="匹配name="但不是所需结果的一部分），因此需要采用某种forms的零宽度匹配或组捕获，可以使用以下工具轻松完成此操作：
Perl的
使用Perl，您可以使用n选项逐行循环，并打印捕获组的内容（如果匹配）：
perl -ne 'print "$1\n" if /name="(.*?)"/' filename
GNU grep
如果你有一个改进的grep版本，例如GNU grep，你可以使用-P选项。 这个选项将启用类似于Perl的正则expression式，允许您使用\K这是一个简写的后台。 它将重置匹配位置，所以任何之前它是零宽度。
grep -Po 'name="\K.*?(?=")' filename
o选项使grep仅打印匹配的文本，而不是整行。
Vim – 文本编辑器
另一种方法是直接使用文本编辑器。 使用Vim，完成这个的各种方法之一是删除没有name= ，然后从结果行中提取内容：
:v/name=/d :%s/\v.*name\="([^"]+)".*/\1
标准grep
如果您无法访问这些工具，出于某种原因，使用标准的grep可以实现类似的function。 但是，如果没有环视，以后需要进行一些清理：
grep -o 'name="[^"]*"' filename
关于保存结果的说明
在上面的所有命令中，结果都将被发送到stdout 。 重要的是要记住，您可以随时通过以下方式将其保存到文件中：
> result
到命令的末尾。
如果您使用Perl，请下载一个模块来parsingXML： XML :: Simple ， XML :: Twig或XML :: LibXML 。 不要重新发明轮子。
正则expression式是：
.+name="([^"]+)"
那么分组就会在\ 1
一个HTMLparsing器应该用于这个目的而不是正则expression式。 一个使用HTML::TreeBuilder Perl程序：
程序
#!/usr/bin/env perl use strict; use warnings; use HTML::TreeBuilder; my $tree = HTML::TreeBuilder->new_from_file( \*DATA ); my @elements = $tree->look_down( sub { defined $_[0]->attr('name') } ); for (@elements) { print $_->attr('name'), "\n"; } __DATA__ <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>
产量
content_analyzer content_analyzer2 content_analyzer_items
这可以做到这一点：
perl -ne 'if(m/name="(.*?)"/){ print $1 . "\n"; }'
这是一个使用HTML tidy＆xmlstarlet的解决scheme：
htmlstr=' <table name="content_analyzer" primary-key="id"> <type="global" /> </table> <table name="content_analyzer2" primary-key="id"> <type="global" /> </table> <table name="content_analyzer_items" primary-key="id"> <type="global" /> </table> ' echo "$htmlstr" | tidy -q -c -wrap 0 -numeric -asxml -utf8 --merge-divs yes --merge-spans yes 2>/dev/null | sed '/type="global"/d' | xmlstarlet sel -N x="http://www.w3.org/1999/xhtml" -T -t -m "//x:table" -v '@name' -n
糟糕，sed命令当然要在整理命令之前：
echo "$htmlstr" | sed '/type="global"/d' | tidy -q -c -wrap 0 -numeric -asxml -utf8 --merge-divs yes --merge-spans yes 2>/dev/null | xmlstarlet sel -N x="http://www.w3.org/1999/xhtml" -T -t -m "//x:table" -v '@name' -n
