执行正则表达式匹配/替换的 Shell 脚本答案

【问题标题】：Shell scripting to perform regex match/replace执行正则表达式匹配/替换的 Shell 脚本
【发布时间】：2010-06-11 02:26:41
【问题描述】：

我正在使用 cURL 获取网页并呈现给我们的用户。在我发现一个使用大量 Ajax 的网站之前，一切都很顺利，其格式如下：

33687|updatePanel|ctl00_SiteContentPlaceHolder_FormView1_upnlOTHER_NATL|
                                        <div id="ctl00_SiteContentPlaceHolder_FormView1_othernationalities">
                                            <h4>

                                                <span class="tooltip_text" onmousemove="widetip=false; tip=''; delayToolTip(event,tip,widetip,0,0);return false"
                                                    onmouseout="hideToolTip()">
                                                    <span id="ctl00_SiteContentPlaceHolder_FormView1_lblProvideOTHER_NATL">Provide the following information:</span></span>
                                            </h4>
|
266|scriptBlock|ScriptContentNoTags|
    document.getElementById('ctl00_SiteContentPlaceHolder_FormView1_dtlOTHER_NATL_ctl00_csvOTHER_NATL').dispose = function() {
        Array.remove(Page_Validators, document.getElementById('ctl00_SiteContentPlaceHolder_FormView1_dtlOTHER_NATL_ctl00_csvOTHER_NATL'));
    }

所以，响应的每个部分是 4 个部分：2 和 3 只是标识符，4 是真正的“正文”，1 是正文的长度。问题在于我们修改了正文，我需要能够更新第一部分的长度以表明这一点；否则，我们在将其插入网页时会引发解析错误。

我正在尝试找出 shell 命令（awk、sed 等）的组合： a) 读取保存的文件 b) 在其上运行正则表达式以收集每个单独的信息块（使用 '(\d*?)\|(.?)\|(.?)\|(.*?)\| ') c) 使第一个捕获组等于最后一个捕获组的长度 d) 将所有正则表达式匹配保存到新文档或返回到原始文档

非常感谢“集体”的任何意见。

【问题讨论】：

标签： regex shell

【解决方案1】：

看起来一行 RegEx 无法解决这个问题，因为没有办法将第一个捕获的括号放在 {braces} 之间来表示长度。这是我认为最理想的：

(\d*?)\|([^|]+)\|([^|]+)\|(.{\1})\|

该值也不能被绕过，因为在有 | 的情况下没有转义字符的指示。消息正文中的某处。我建议用 '|' 直接分割并使用二维数组来存储内容。检查每四个项目的匹配长度，如果太短，连接一个 |和下一项，然后增加读取计数器。 PHP解释：

$items=explode('|', $file)
$len=count($items);
$oi=0;
$ol=-1;
for($i=0;$i<$count;++$i){
  $output[$oi][++$ol]=$items[$i];
  if($ol==3){
    $target=$output[$oi][0];
    while(strlen($output[$oi][3])<$target){
      $output[$oi][3].='|'.$items[++$i];
    }
    ++$oi;
    $ol=-1;
  }
}

【讨论】：