从unix中的多行中提取文件名

Question

我试图提取由Java程序生成的文件名的名称。这个Java程序吐出多行，我确切地知道文件名的格式是什么。 Java程序吐出的信息文本如下：

ABCASJASLEKJASDFALDSF
Generated file  YANNANI-0008876_17.xml. 
TDSFALSFJLSDJF; 

我在变量中捕获输出，然后以下列格式应用sed运算符：

sed -n 's/.*\(YANNANI.\([[:digit:]]\).\([xml]\)*\)/\1/p'

结果集是：

YANNANI-0008876_17.xml.

但是，我的问题是希望提取文件名停在.xml。永远不应该提取最后一个点。

有没有办法用sed做到这一点？

Answer 1

让我们看看您的捕获组实际捕获的内容：

$ grep 'YANNANI.\([[:digit:]]\).\([xml]\)*' infile
Generated file  YANNANI-0008876_17.xml.

这可能不是你想要的：

• \([[:digit:]]\)只捕获一个数字（并且它周围的捕获组不会执行任何操作）
• \([xml]\)*是“x，m或l中的任何一个，0次或更多次”，因此它与空字符串匹配（如上所述 - 或者行不会根本不匹配！），x，xx，lll，mxxxxxmmmmlxlxmxlmxlm，xml，......
• 由于您在捕获组
之后没有匹配任何内容，因此无法删除最后一个句点

反而有什么意义：

• 匹配“数字或下划线，0或更多”：[[:digit:]_]*
• 匹配.xml，字面意思（逃避期间）：\.xml
• 通过在捕获组之后添加.*来确保匹配其余部分（在此情况下只是句点）

因此，您要提取的字符串的正则表达式变为

$ grep 'YANNANI.[[:digit:]_]*\.xml' infile
Generated file  YANNANI-0008876_17.xml.

并使用sed删除该行中的所有其他内容，我们使用.*\( ... \).*包围正则表达式：

$ sed -n 's/.*\(YANNANI.[[:digit:]_]*\.xml\).*/\1/p' infile
YANNANI-0008876_17.xml

这假设您在.（任何字符）后真正意味着YANNANI。

Answer 2

您可以调用sed 两次：首先是打印，然后是替换模式：

sed -n 's/.*\(YANNANI.\([[:digit:]]\).\([xml]\)*\)/\1/p' | sed 's/\.$//g'

最后一个sed将删除您第一个sed提取的所有行末尾的所有最后.

或者您可以根据需要选择awk解决方案：

awk '/.*YANNANI.[0-9]+.[0-9]+.xml/{print substr($NF,1,length($NF)-1)}' 

这将打印与你的正则表达式匹配的所有行的最后一个字段（并使用substr截断它的最后一个字符）。