如何使用 Regex 和 diff 实用程序（“-I regex”选项）忽略特定的文件行？答案

【问题标题】：How ignore specific lines of file using Regex and diff utility ("-I regex" option)?如何使用 Regex 和 diff 实用程序（“-I regex”选项）忽略特定的文件行？
【发布时间】：2015-10-20 02:48:46
【问题描述】：

我正在编写自动化测试来比较 HTML 文件。为了比较，我使用diff linux utility

所以，第一个 HTML 文件 1.html

<!-- just example -->
<html>
  <div id="userdata_hidden">bla bla bla</div>
  <div id="something else" >bla bla bla</div>
  <div id="waiver_id"      >bla bla bla</div>
<html>

第二个 HTML 文件2.html

<!-- just example -->
<html>
  <div id="userdata_hidden">bla bla bla DIFFERENCE </div>
  <div id="something else" >bla bla bla</div>
  <div id="waiver_id"      >bla bla bla DIFFERENCE </div>
<html>

比较文件的命令：

diff -biw 1.html 2.html

结果：

3c3
<   <div id="userdata_hidden">bla bla bla</div>
---
>   <div id="userdata_hidden">bla bla bla DIFFERENCE </div>
5c5
<   <div id="waiver_id"      >bla bla bla</div>
---
>   <div id="waiver_id"      >bla bla bla DIFFERENCE </div>

Comaration 工作正常，但我需要忽略包含特殊词的行的差异 - waiver_id 和 userdata_hidden。

diff 命令有-I option 用于按数字或正则表达式匹配忽略行：

忽略与 grep 样式匹配的行的插入和删除正则表达式，使用 --ignore-matching-lines=regexp (-I regexp) 选项。您应该转义包含 shell 的正则表达式元字符以防止外壳扩展它们。例如， 'diff -I '^[[:digit:]]'' 忽略对以 a 开头的行的所有更改数字。

但是，-I 只忽略插入或删除的行如果大块中的每个更改的行都包含正则表达式 - 每个插入和每次删除——匹配正则表达式。其他换句话说，对于每个不可忽略的变化，diff 打印完整的集合附近的变化，包括可忽略的变化。

您可以为要忽略的行指定多个正则表达式通过使用多个 -I 选项。 diff 尝试匹配每一行针对每个正则表达式。

所以，我可以使用正则表达式来忽略与waiver_id 或userdata_hidden 的行的组合。如果文件没有差异，diff 不会向控制台返回任何内容（空字符串）。

问题：

如何编写正则表达式，排除包含单词 waiver_id 或 userdata_hidden 的字符串？
diff 命令在使用-I 选项和正则表达式时应该看起来有多正确？

附：不幸的是，这个变种不起作用：

diff -biw -I '^(?!.*(?:userdata_hidden|waiver_id))' 1.html 2.html

【问题讨论】：

这看起来真的像一个“做我的家庭作业”类型的问题......
@JérémieAstori Astori，不，我正在用 ruby 编写自动化测试。尝试使用 bash diff 命令比较两个 HTML 和 pdf 文件
这就是当有人只是提出解决方案而没有发布实验时的样子:-) 请包括您迄今为止尝试过的内容及其结果，而不仅仅是从头开始的答案。
话虽如此，如果性能不是最重要的，并且您只有 2 根针（您的 2 个字），您可以使用类似于 !str.match('waiver_id') && !str.match('userdata_hidden') 的东西，避免自己的痛苦正则表达式...
几天后回来，现在这是一个真正的问题 :) 完成后不要忘记选择正确的答案！

标签： regex linux bash ubuntu diff

【解决方案1】：

我需要检查字符串不包含单词waiver_id 和userdata_hidden。

^(?!.*\bwaiver_id\b)(?!.*\buserdata_hidden\b)

如果您不想显示任何一个字符串。

^(?!.*\b(?:userdata_hidden|waiver_id)\b)

RUbular

【讨论】：

字符串不应该包含任何这个词（或代替and）
它应该看起来像/^(?!.*\bwaiver_id\b)|(?!.*\buserdata_hidden\b)$/，不是吗？
@bmalets 更改为或
@bmalets：不。你的正则表达式根本没有意义，因为^ 属于第一个分支，$ 属于第二个分支。您的意思可能是/^((?!.*\bwaiver_id\b)|(?!.*\buserdata_hidden\b))/，但这是错误的，因为这意味着（无 waiver_id）或（无 userdata_hidden），这意味着只要两者不同时出现，就允许它们。
@cremno 特殊词可以在字符串/行的任何部分