寻找一种方式从linux中的文本文件中提取模式

Question

我正在使用linux和bash。我有一个文本文件，运行时由其他程序生成上下文。文本文件的长度，行数和内容会随时更改。但在文本一些图案不变，一个典型的例子是

123098230984LD＃2E3 123098230984LD＃23234 XER_3424324_23424 33：34：35：节点：9-72-1408 $一二三一三一三 * 3435322 链接到端口：323 3424242424LD＃2234 332424LD＃23424234

在这里，我要提取的图案 “节点：NUMBER-NUMBER-NUMBER” 和 “端口：NUMBER”，但它在文本发生从改变不时有时间。现在我手动提取信息。我想知道是否有任何方法自动提取信息。什么使得真正困难的是每次生成文件时内容都会改变。

Answer 1

可以使用sed通过摆脱不需要位的提取所需字段：

pax> echo 'junk node:9-72-1408 more junk port:323 last junk' 
    | sed -E 's/^.*(node:[0-9]+-[0-9]*-[0-9]*).*(port:[0-9]+).*$/\1 \2/' 
node:9-72-1408 port:323 

的.*位只是代表任何垃圾和括号是用来“捕捉”匹配的文本，从而可用于更换（如\1和\2）。

---

边栏：

如果你的的sed版本不支持-E的扩展正则表达式，它可以支持-r，与GNU sed的某些版本。

否则，您必须对括号进行转义和+字符：

pax> echo 'junk node:9-72-1408 more junk port:323 last junk' 
    | sed 's/^.*\(node:[0-9]\+-[0-9]\+-[0-9]\+\).*\(port:[0-9]\+\).*$/\1 \2/' 
node:9-72-1408 port:323 

为GNU的源代码包含的sed这个小片段：

/* Undocumented, for compatibility with BSD sed. */ 
    case 'E': 
    case 'r': 

，但是这似乎已经出台在4.2中（即它在4.2中，但不在4.1.5中，是4.1系列中的最后一个）。详情请参阅here。

---

而且，如果你需要在变量的实际值，可以使用类似：

pax> inpstr='junk-here node:9-72-1408 more-junk port:323 last-junk' 

pax> node=$(echo "$inpstr" | sed -E 's/^.*node:([0-9]+-[0-9]+-[0-9]+).*$/\1/') 

pax> port=$(echo "$inpstr" | sed -E 's/^.*port:([0-9]+).*$/\1/') 

pax> echo $inpstr 
junk-here node:9-72-1408 more-junk port:323 last-junk 

pax> echo $node 
9-72-1408 

pax> echo $port 
323 

（考虑到有关使用-r或添加了早些时候的评论额外转义“较小” sed实现）。