pcregrep 或 grep：使用前瞻搜索不起作用

Question

我正在尝试使用前瞻搜索它在 pcregrep 或 grep 中不起作用的正则表达式

我想搜索片段

• 可能跨越多行，
• 以 PQXY 开头在一行的开头和
• 以 OFEJ 结束在行的末尾和
• 中间不包含 PQXY 或 OFEJ

一般我在 sublime text find 中使用以下内容并且效果很好

(?s)(^PQXY(?:(?!PQXY|OFEJ).)*OFEJ\n)

现在我想查找此类事件的计数，所以我尝试使用 grep 或 pcergrep，两者都不起作用。

pcregrep -c "(?s)(^PQXY(?:(?!PQXY|OFEJ).)*OFEJ\n)" file.txt
zsh: event not found: PQXY|OFEJ).)

和 grep

$ grep -c -zoP "(?s)(^PQXY(?:(?!PQXY|OFEJTRANS).)*OFEJTRANS\n)" CB_raw_testing_21_feb_CORRECTIONS_0002.txt
zsh: event not found: PQXY|OFEJTRANS).)

我该怎么做

根据@paxdiablo 和@anubha 回答。

主要错误是@paxdiablo 解决的单引号

$ pcregrep -c -M '(^PQXY(?:(?!PQXY|OFEJ).)*OFEJ\n)' file.txt 
0

正则表达式的解决方案是在@anubha 的基础上添加(?s)。当然\n 也可以代替(\R|\z)

$ pcregrep -c -M '(?s)(^PQXY(?:(?!PQXY|OFEJ).)*OFEJ\n)' file.txt
11726

Answer 1

使用gnu grep：

grep -ozP '(?ms)^PQXY(?:(?!PQXY|OFEJ).)*OFEJ(\R|\z)' file

• 您必须使用-z 选项将输入和输出数据视为行序列，每行以零字节结尾。

• 确保在您的模式中使用单引号，以便 shell 的历史模块不会尝试处理 !。

• 添加了(?m) (MULTILINE) 修饰符以允许在每行的正则表达式中使用^ 和$
• 使用(\R|\z) 允许结束模式在文件末尾不带换行符而结束。 \R 匹配任何 ind 换行符，包括 unicode 字符，\z 匹配输入结尾。

Working Demo

---

pcregrep中的等效解决方案

pcregrep -M '(?s)^PQXY(?:(?!PQXY|OFEJ).)*OFEJ(\R|\z)' file

-M 在pcregrep 中启用多行选项。

Answer 2

zsh: event not found: PQXY|OFEJ).)

由于这是zsh 引发错误，几乎肯定因为它试图处理双引号内的内容。为了保护它，您应该使用 单 引号，例如：

pcregrep -c '(?s)(^PQXY(?:(?!PQXY|OFEJ).)*OFEJ\n)' file.txt

我没有安装pcregrep，但这里有一个文字记录显示只有echo 的问题：

pax> echo "(?s)(^PQXY(?:(?!PQXY|OFEJ).)*OFEJ)"
zsh: event not found: PQXY|OFEJ).)

pax> echo '(?s)(^PQXY(?:(?OFEJ)'
(?s)(^PQXY(?:(?OFEJ)

在解决问题而不是使用特定的工具方面，我实际上会选择awk^(a)案子。您可以执行以下操作：

awk '/^PQXY/     { s = $0; c = 1; next}
     /OFEJ$/     { if (c == 1) { print s""ORS""$0; c = 0 }; next }
     /OFEJ|PQXY/ { c = 0; next }
     c == 1      { s = s""ORS""$0 }' inputFile

这通过使用字符串和标志来控制收集和状态的行来工作，最初它们是空字符串和零。

然后，对于每一行：

• 如果以 PQXY 开头，存储该行并设置收集标志，然后转到下一个输入行。
• 否则，如果它以OFEJ结尾并且您正在收集，则输出收集的部分并停止收集，然后转到下一个输入行。
• 否则，如果其中有任何一个字符串，则停止收集，移至下一个输入行。
• 否则，如果正在收集，则追加当前行并（隐式）移动到下一个输入行。

我用一些有限的测试数据对此进行了测试，它似乎工作正常。这是我用于测试的bash 脚本^(b)，您可以根据需要添加尽可能多的测试用例，以解决您的问题。

for i in \
    "PQXY 1\nabc\n2 OFEJ\n" \
    "PQXY 1\nabc\n2 OFEJx\n" \
    "PQXY 1\nabc\n  PQXY \n2 OFEJ\n" \
    "PQXY 1\nabc\n  OFEJ \n2 OFEJ\n" \
    "PQXY 1\nabc\ndef\nPQXY 2\n2 OFEJ\n" \
; do
    echo "$i:"
    printf "$i" | awk '
        /^PQXY/     { s = $0; c = 1; next}
        /OFEJ$/     { if (c == 1) { print s""ORS""$0; c = 0 }; next }
        /OFEJ|PQXY/ { c = 0; next }
        c == 1      { s = s""ORS""$0 }' | sed 's/^/    /
    '
done

这是输出，您可以看到它的实际效果：

PQXY 1\nabc\n2 OFEJ\n:
    PQXY 1
    abc
    2 OFEJ
PQXY 1\nabc\n2 OFEJx\n:
PQXY 1\nabc\n  PQXY \n2 OFEJ\n:
PQXY 1\nabc\n  OFEJ \n2 OFEJ\n:
PQXY 1\nabc\ndef\nPQXY 2\n2 OFEJ\n:
    PQXY 2
    2 OFEJ

---

^(a) 根据我的经验，如果您使用 grep 样式的正则表达式尝试了三件事但没有成功，那么转向更高级的工具通常会更快:-)

---

^(b) 是的，我知道它是用bash 而不是zsh 写的，但那是因为：

• 这是一个测试程序，向您展示awk 有效，因此使用的语言无关紧要；和
• 我更喜欢bash tahn zsh :-)