在 grep 中使用正则表达式提取第一个单词答案

【问题标题】：Extract first word using regex in grep在 grep 中使用正则表达式提取第一个单词
【发布时间】：2021-09-11 18:01:30
【问题描述】：

我有一个大文本文件，其中包含诸如

之类的模式

*pattern1, 34:38,info=a1,signal=s1
*pattern2, 32:38,info=a1,signal=s1
*pattern2,36:38,info=a1,signal=s1
*pattern_4,38:38,info=a1,signal=s1

我想使用grep 提取第一个逗号之前唯一的第一个单词。我尝试使用grep '^*[A-Za-z]' file.txt | sort --uniq 和grep '^*[^,]' file.txt | sort --uniq，但没有得到第一个单词。有人可以评论吗？

【问题讨论】：

【解决方案1】：

如果您知道单词是逗号分隔的，只需从每行的开头搜索除逗号之外的任何内容。

使用-o 仅打印每行的匹配部分。 grep 通常用于过滤，不用于提取，但有时可以使用此选项。

grep -o '^[^,]*' file.txt | sort -u

【讨论】：

【解决方案2】：

要获得第一个单词并使其独一无二，您可以使用awk：

awk -F, '!uniq[$1]++ {print $1}' file

*pattern1
*pattern2
*pattern_4

条件!uniq[$1]++ 仅当在数组uniq 中找不到$1 时才会返回true。一旦我们在这个数组中添加一个元素，我们就会将它的值增加到 1 从而导致 !uniq[$1]++ 返回 false。

{print $1} 只会在true 的情况下执行。

【讨论】：

【解决方案3】：

使用您展示的示例和使用gensub 的GNU awk，您可以尝试关注。这将在整个 Input_file 的第一列中提供唯一值。

awk '!seen[$0=gensub(/,.*/,"\\1","1")]++' Input_file

解释： 简单的解释是，使用gensub，我们在第一个逗号之前得到所有内容，然后在数组中，我们根据要求否定每行中的重复出现.

【讨论】：

【解决方案4】：

我尝试使用grep '^*[A-Za-z]' file.txt | sort --uniq

grep 默认显示匹配的整行。如果您希望 grep 仅显示匹配的内容，请使用 -o 选项。

grep '^[^,]*' -o file.txt | sort -u

[^,] 的意思是“任何不是逗号的东西。

【讨论】：