Estou tentando escrever um comando grep para encontrar linhas como as abaixo em um arquivo de texto grande:
<div class="node_thumbnail" data-type="file" name="GOPR0036.MP4_frame000001.jpg" data="813334c25191468c9f1c57afc99fde60" aid="133948" rel="/Files/ToolTipView?fileId=813334c25191468c9f1c57afc99fde60&pageNo=1&NoCache=101016083044" rev="topMiddle">
mas o símbolo + parece estar causando problemas nos comandos abaixo:
grep 'data=[a-z,0-9,\"]' file
Muitos hits
grep 'data=[a-z,0-9,\"]+' file
Sem hits
Se você quiser que + signifique "um ou mais dos átomos anteriores", você terá que fazer um dos seguintes:
Use -E (expressões regulares estendidas) (ou -P , PCRE):
grep -E 'data=[a-z,0-9,\"]+' file
Escape + para que seja tratado especialmente nas Expressões regulares básicas usadas por padrão em grep :
grep 'data=[a-z,0-9,"]\+' file
Pontos:
+ é um token ERE (Extended Regular Expression), que indica um ou mais token precedente, pode ser usado se a opção -E de grep for usada ou com escape (\+ ) no caso de BRE (Basic Regex), ou seja, apenas% regulargrep
A classe de caracteres [a-z,0-9,\"] corresponderia a qualquer um dos caracteres entre [a-z] , [0-9] , , ou " . Isso pode não ser o que você quer
Normalmente, grep exibe toda a linha, se você deseja exibir apenas a parte correspondente, use a opção -o de grep
Com base no seu exemplo, você pode fazer:
grep -E '\bdata=[a-z0-9"]+\b' file
-E ativa o ERE \b corresponde a arestas de string, largura zero data= corresponde a data= literalmente [a-z0-9"] corresponde a qualquer caractere de [a-z] , [0-9] e " . + corresponde ao token anterior uma ou mais vezes Seu padrão atual até você corrige, sem \b , isso corresponderia a falsos positivos como foo fdata=2322ab , data=12AB e assim por diante.
Exemplo:
% grep -oE '\bdata=[a-z0-9"]+\b' <<<'<div class="node_thumbnail" data-type="file" name="GOPR0036.MP4_frame000001.jpg" data="813334c25191468c9f1c57afc99fde60" aid="133948" rel="/Files/ToolTipView?fileId=813334c25191468c9f1c57afc99fde60&pageNo=1&NoCache=101016083044" rev="topMiddle"'
data="813334c25191468c9f1c57afc99fde60
Outra opção é usar egrep:
egrep 'data=[a-z,0-9,\"]+' file
egrep é empacotado com grep, é apenas um wrapper para grep:
#!/bin/sh
exec grep -E "$@"
isso é bom para uso interativo. No entanto, em scripts eu usaria grep -E .
Tags command-line grep regex