使用shell脚本查找子字符串的麻烦

Question

我的文件格式如下：

./07/00-post.log:Referer: http://domain1.com/example/launch.jsp?BANKID=123&SOMEPARAM=123&...
./07/00-post.log:Referer: http://domain2.com/example/launch.jsp?PARAM=313&BANKID=13&...
...
...
./07/00-post.log:Referer: http://domainN.com/example/launch.jsp?BANKID=3213

需要使用shell脚本查找每行的子串并将其提取到单独的文件中：

1. “http：//”和“/”之间的域名（domain1.com，domain2.com，...）
2. 该域名的BANKID（可以在不同的位置）

所以我可以在输出中拥有一对域和ID。

我认为cut在这里不起作用。我可以使用什么工具？

Answer 1

由于文字不是你可以使用grep：

$ grep -Po '(?<=http://)[^/]*|(?<=BANKID=)\d*' file
domain1.com
123
domain2.com
13
domainN.com
3213

实际上，它正在加入不同的grep表达式：

获取BANKID=之后的数字：

$ grep -Po '(?<=BANKID=)\d*' file
123
13
3213

并在http://之后到下一个/获取域名：

$ grep -Po '(?<=http://)[^/]*' file
domain1.com
domain2.com
domainN.com

---

请注意，cut是文本格式为同构时使用的工具。它适用于域部分：

$ cut -d/ -f5 file
domain1.com
domain2.com
domainN.com

但总的来说，根据grep要求，sed或BANKID是一个更好的工作。