从 bash 脚本中的正则表达式捕获组答案

【问题标题】：Capture group from regex in bash script从 bash 脚本中的正则表达式捕获组
【发布时间】：2019-08-06 12:45:05
【问题描述】：

在构建 R 包时，该命令将处理步骤输出到标准输出。从该输出中，我想捕获包的最终名称。

在下面的模拟脚本中，我显示了构建命令的输出。需要截取的部分是以building开头的最后一行。

如何让正则表达式与这些引号匹配，然后将包名捕获到变量中？

#!/usr/bin/env bash

var=$(cat <<"EOF"
Warning message:
* checking for file ‘./DESCRIPTION’ ... OK
* preparing ‘analysis’:
* checking DESCRIPTION meta-information ... OK
* cleaning src
* checking for LF line-endings in source and make files and shell scripts
* checking for empty or unneeded directories
Removed empty directory ‘analysis/.idea/inspectionProfiles’
Removed empty directory ‘analysis/.idea/snapshots’
* creating default NAMESPACE file
* building ‘analysis_0.1.tar.gz’
EOF
)

regex="building [\u2018](.*?)?[\u2019]"

if [[ "${var}" =~ $regex ]]; then
  pkgname="${BASH_REMATCH[1]}"
  echo "${pkgname}"
else
  echo "sad face"
fi

这应该适用于 macOS 和 CentOS。

【问题讨论】：

你有两个 regex 声明。为什么？你刚试过regex='building ‘([^’]*)’ (demo) 吗？
Parameter Substitution也可以获取包名(demo)

标签： regex bash macos centos

【解决方案1】：

有很多方法，这是一种：

file=`echo "$var" | grep '^\* building' | grep -o '‘.*’' | head -c -4 | tail -c +4`
echo $file

查找以* building 开头的行（第一个 grep）
在‘’（第二个grep）之间查找文本
丢弃引号（前 4 个字节和后 4 个字节）（头和尾）

【讨论】：

【解决方案2】：

在 Bash 4.2 中引入了对 \u 和 \U Unicode 转义的支持。 CentOS 7 有 Bash 4.2，所以这应该可以在那个平台上运行：

regex=$'.*building[[:space:]]+\u2018(.*)\u2019'

不幸的是，CentOS 的早期版本有旧版本的 Bash，我相信 MacOS 上的默认 Bash 版本仍然是 3.2。对于那些，假设引号被编码为 UTF-8，这应该可以工作：

regex=$'.*building[[:space:]]+\xe2\x80\x98(.*)\xe2\x80\x99'

如果引号在不同平台上以不同方式编码，那么您可以使用交替（例如(\xe2\x80\x98|...) 而不是xe2\x80\x98）来匹配所有可能性（并调整用于BASH_REMATCH 的索引）。

有关 Bash 中 Unicode 的更多信息，请参阅 How do you echo a 4-digit Unicode character in Bash?。

我使用$'...' 设置正则表达式，因为它支持\x 和（来自 Bash 4.2）\u 字符转义，而 Bash 正则表达式不支持。

关于正则表达式：

前导.*是为了确保匹配出现在文本末尾。
我已经放弃了?s，因为它们与 Bash 的内置正则表达式不兼容。有关 Bash 正则表达式的信息，请参阅 mkelement0's excellent answer 至 How do I use a regex in a shell script?。

【讨论】：