从文本文件中提取多个匹配模式答案

【问题标题】：Extract Multiple Matching Patterns from Text File从文本文件中提取多个匹配模式
【发布时间】：2017-12-15 07:28:46
【问题描述】：

我需要从文本文件的每一行中提取所有 K[A-Z]{4} 和 US[C,W][0-9]{8} 值。

我正在使用下面的代码来尝试实现这一点，但是，我需要根据 ONLY 两者都存在于给定行（即最后三行）时的条件来提取这些值在下面的数据中）。

尝试的代码：

#Filters out any values matching K[A-Z]{4}
grep -Po '"\K[A-Z]{4}\b' usc.matched > out.1

#Filters out any values matching US[C,W][0-9]{8}
grep -Po '\bUS\w*' usc.matched > out.2

#Pastes two datasets together, separated by a comma
paste -d',' out.1 out.2 > stations.filtered

#Removes any lines that do not lead with "K"
sed -i '/^[^K]/d' stations.filtered

JSON 数据：

{"sids": ["94737 1", "RUT 3", "KRUT 5"], "name": "RUTLAND STATE AP"},
{"sids": ["54740 1", "VSF 3", "KVSF 5", "USW00054740 6"], "name": "SPRINGFIELD HARTNESS AP"},
{"sids": ["94601 1", "RKD 3", "KRKD 5"], "name": "ROCKLAND KNOX CO RGNL AP"},
{"sids": ["20B 3"], "name": "ROCKLAND STN"},
{"sids": ["177250 2", "USC00177250 6"], "name": "ROCKLAND"},
{"sids": ["177255 2", "USC00177255 6", "RCKM1 7"], "name": "ROCKLAND"},
{"sids": ["177260 2"], "name": "ROCKLAND MOORING LBS"},
{"sids": [], "name": "ROCKLAND"},
{"sids": ["14612 1"], "name": "ROCKLAND"},
{"sids": ["274380 2", "USC00274380 6"], "name": "KEARSARGE"},
{"sids": ["192770 2", "USC00192770 6"], "name": "FISKDALE"},
{"sids": ["US1CTNL0005 6", "CTNL0005 10"], "name": "OAKDALE 2.6 WNW"},
{"sids": ["063989 2", "USC00063989 6"], "name": "LAKE KONOMOC"},
{"sids": ["14740 1", "14721 1", "063456 2", "069704 2", "BDL 3", "72508 4", "KBDL 5", "USW00014740 6", "BDL 7"], "name": "HARTFORD-BRADLEY INTL AP"},
{"sids": ["94702 1", "060806 2", "BDR 3", "72504 4", "KBDR 5", "USW00094702 6", "BDR 7"], "name": "IGOR I SIKORSKY MEMORI AP"},
{"sids": ["54734 1", "DXR 3", "KDXR 5", "USW00054734 6"], "name": "DANBURY MUNI AP"},

电流输出：

KRUT,
KVSF,USW00054740
KRKD

USC00177250
USC00177255


USC00274380
USC00192770
US1CTNL0005
USC00063989
KBDL,USW00014740
KBDR,USW00094702
KDXR,USW00054734

预期输出：

KVSF,USW00054740
KBDL,USW00014740
KBDR,USW00094702
KDXR,USW00054734

【问题讨论】：

是的，我已经安装了jq。我还附加了当前输出和预期输出以帮助进一步定义我正在尝试做的事情

标签： json regex awk sed grep

【解决方案1】：

在 awk 中。根据您的喜好调整正则表达式：

$ awk -v OFS=, '
/K[A-Z]{3} / && /US[C,W][0-9]{8}/ {
    b=""
    while(match($0,/K[A-Z]{3} |US[C,W][0-9]{8}/)) {
        b=b (b==""?"":OFS) substr( $0, RSTART, RLENGTH)
        $0=substr($0,RSTART+RLENGTH)
    } 
print b}' file
KVSF ,USW00054740
KBDL ,USW00014740
KBDR ,USW00094702
KDXR ,USW00054734

【讨论】：

【解决方案2】：

你可以使用：

awk -F '[][" \t{},:]+' '{
a=b=""
for(i=2; i<=NF; i++)
   if ($i ~ /^K[A-Z]{3}$/)
      a=$i
   else if ($i ~ /^US[CW][0-9]+/)
      b=$i
   if (a != "" && b != "")
      print a, b
}' OFS=, file

KVSF,USW00054740
KBDL,USW00014740
KBDR,USW00094702
KDXR,USW00054734

【讨论】：

【解决方案3】：

如果perl 没问题（假设K 字符串在同一行中的US 字符串之前）

$ perl -lne 'print "$1,$2" if /"(K[A-Z]{3})\b.*"(US[CW]\d{8}\b)/' usc.matched 
KVSF,USW00054740
KBDL,USW00014740
KBDR,USW00094702
KDXR,USW00054734

if /"(K[A-Z]{3})\b.*"(US[CW]\d{8}\b)/ 仅当此条件匹配时
- print "$1,$2"打印两个捕获的组
- "(K[A-Z]{3})\b 匹配 K 后跟三个大写字母，前提是前面有 " 并以单词边界结尾
- "(US[CW]\d{8}\b 匹配 US 后跟 C 或 W 并且只有在 " 前面并以单词边界结尾时才匹配八位数字
有关-lne 选项的详细信息，请参阅http://perldoc.perl.org/perlrun.html#Command-Switches

【讨论】：