Come estrarre una stringa seguendo uno schema con grep, regex o perl

Ho un file che assomiglia a questo:

    <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>

Devo estrarre qualsiasi cosa all'interno delle virgolette che seguono name=, ovvero content_analyzer, content_analyzer2e content_analyzer_items.

Lo sto facendo su una macchina Linux, quindi una soluzione che usa sed, perl, grep o bash va bene.

Poiché è necessario abbinare il contenuto senza includerlo nel risultato (deve corrispondere name=" ma non fa parte del risultato desiderato) è necessaria una qualche forma di corrispondenza a larghezza zero o cattura di gruppo. Questo può essere fatto facilmente con i seguenti strumenti:

Perl

Con Perl potresti usare l' n opzione per ripetere il ciclo riga per riga e stampare il contenuto di un gruppo di cattura se corrisponde:

perl -ne 'print "$1\n" if /name="(.*?)"/' filename

GNU grep

Se hai una versione migliorata di grep, come GNU grep, potresti avere l' -Popzione disponibile. Questa opzione abiliterà regex simile a Perl, permettendoti di usare \Kuna scorciatoia. Ripristinerà la posizione della corrispondenza, quindi qualsiasi cosa prima che sia di larghezza zero.

grep -Po 'name="\K.*?(?=")' filename

L' o opzione fa in modo che grep stampi solo il testo corrispondente, invece dell'intera riga.

Vim - Editor di testo

Un altro modo è usare direttamente un editor di testo. Con Vim, uno dei vari modi per ottenere ciò sarebbe eliminare le righe senza name=e quindi estrarre il contenuto dalle righe risultanti:

:v/.*name="\v([^"]+).*/d|%s//\1

Grep standard

Se non hai accesso a questi strumenti, per qualche motivo, qualcosa di simile potrebbe essere ottenuto con grep standard. Tuttavia, senza guardarsi intorno, sarà necessaria una pulizia successiva:

grep -o 'name="[^"]*"' filename

Una nota sul salvataggio dei risultati

In tutti i comandi sopra i risultati verranno inviati a stdout. È importante ricordare che puoi sempre salvarli collegandoli a un file aggiungendo:

> result

alla fine del comando.

L'espressione regolare sarebbe:

.+name="([^"]+)"

Quindi il raggruppamento sarebbe in \ 1

Se stai usando Perl, scarica un modulo per analizzare XML: XML :: Simple , XML :: Twig o XML :: LibXML . Non reinventare la ruota.

A questo scopo dovrebbe essere usato un parser HTML piuttosto che espressioni regolari. Un programma Perl che utilizza HTML::TreeBuilder:

Programma

#!/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>

Produzione

content_analyzer
content_analyzer2
content_analyzer_items

questo potrebbe farlo:

perl -ne 'if(m/name="(.*?)"/){ print $1 . "\n"; }'

Ecco una soluzione che utilizza HTML tidy e xmlstarlet:

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

Oops, il comando sed deve precedere ovviamente il comando tidy:

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

Se la struttura del tuo xml (o del testo in generale) è fissa, il modo più semplice è usare cut. Per il tuo caso specifico:

echo '<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>' | grep name= | cut -f2 -d '"'