文件中的模式匹配

Question

Collocation -> n A m a k a (Collocation -> Words, Words -> Word Words, Word -> n A (Word -> Chars, Chars -> Char Chars, Char -> 'n', Chars -> Char, Char -> 'A'), Words -> Word Words, Word -> m a (Word -> Chars, Chars -> Char Chars, Char -> 'm', Chars -> Char, Char -> 'a'), Words -> Word, Word -> k a (Word -> Chars, Chars -> Char Chars, Char -> 'k', Chars -> Char, Char -> 'a'))

我有一个包含 1000 行这样的文件。我想搜索这样的模式 "Word -> n A (" 即，

1. 应该以“Word ->”开头
2. 之后它可以在任何情况下包含任意数量的字母
3. 以左括号“(”结束

我想要的上面的例子，

1. Word -> n A (
2. 单词 -> m a (
3. 单词 -> k a (

我试过这个 grep 命令： grep -no "Word -> .*(" 文件名

但是，它返回如下：

Word -> n A (Word -> Chars, Chars -> Char Chars, Char -> 'n', Chars -> Char, Char -> 'A'), Words -> Word Words, Word -> m a (Word -> Chars, Chars -> Char Chars, Char -> 'm', Chars -> Char, Char -> 'a'), Words -> Word, Word -> k a (

我还希望一行中的所有匹配模式都出现在输出文件的一行中。

还建议是否可以通过其他方法完成。

Answer 1

$ grep -no 'Word -> [[:alpha:] ]\+(' file
1:Word -> n A (
1:Word -> m a (
1:Word -> k a (

上面显示了正则表达式匹配的原始文件中的行号。相反，如果您希望匹配按顺序编号，则：

$ grep -o 'Word -> [[:alpha:] ]\+(' file | cat -n
     1  Word -> n A (
     2  Word -> m a (
     3  Word -> k a (

原代码使用.*。这样做有两个问题。一个是. 匹配任何东西，包括(。第二个是正则表达式是贪心的：它匹配最长的匹配字符串。

在这里，我们使用[[:alpha:] ]\+ 代替.*。这匹配一个或多个字母和空格。由于这只匹配字母和空格，它不会匹配(，因此匹配的长度将是您想要的。

请注意，我们使用[:alpha:] 来匹配字母。与 [a-zA-Z] 等旧形式不同，[:alpha:] 是 unicode 安全的。

使用.* 的问题在于它是贪婪的：它会匹配尽可能长的匹配。您似乎想要最短的匹配。