正则表达式 -> 从复杂字符串中提取固定位置出现

Question

我有一个像下面这样的字符串（nvram 提取），tinc VPN 使用它来定义网络主机：

1<host1<host1.network.org<<0<10.10.10.0/24<<Ed25519PublicKey = 8dtRRgAaTbUNtPxW9U3nGn6U7uvfIPwRo1wnx7xMIUH<Subnet = 10.10.3.0/24>1<host2<host2.network.org<<0<10.10.9.0/24<<Ed25519PublicKey = irn48tqF2Em4rIG0ggBmpEfaVKtkl6DmGdSzTHMmVEI<>0<host3<host3.network.org<<0<10.10.11.0/24<<Ed25519PublicKey = wQt1sFwOsd1hnBaNGHq4JDyib22fOg1YqzOp0p08ZTD<>

我正在尝试从上面提取：

host1.network.org host2.network.org host3.network.org

主机名和密钥是编造的，但输入字符串的结构是准确的。顺便说一下，端节点也可以定义为 IP 地址，因此我试图提取第二次出现的“<”和第一次出现的“<<”之间的内容。由于这是一个多重匹配，因此会在行首或“>”字符之后计算出现次数。所以上面的内容可以理解为：

1<host1<host1.network.org<<0<10.10.10.0/24<<Ed25519PublicKey = 8dtRRgAaTbUNtPxW9U3nGn6U7uvfIPwRo1wnx7xMIUH<Subnet = 10.10.3.0/24>

1<host2<host2.network.org<<0<10.10.9.0/24<<Ed25519PublicKey = irn48tqF2Em4rIG0ggBmpEfaVKtkl6DmGdSzTHMmVEI<>

0<host3<host3.network.org<<0<10.10.11.0/24<<Ed25519PublicKey = wQt1sFwOsd1hnBaNGHq4JDyib22fOg1YqzOp0p08ZTD<>

因为我在 shell 脚本中需要此信息，所以我想我需要将每个 host/IP 存储为数组的元素。

我使用了正则表达式在线编辑器，并设法计算出了这个字符串：

^[0|1]<.*?(\<(.*?)\<<)|>[0|1]<.*?(\<(.*?)\<)

但是我运行是

grep -Eo '^[0|1]<.*?(\<(.*?)\<<)|>[0|1]<.*?(\<(.*?)\<)'

最初的刺痛让我在 return 中得到了完整的字符串，所以我一定是做错了什么:-/

P.S。运行宁在 buysbox 上： `BusyBox v1.25.1 (2017-05-21 14:11:58 CEST) 多调用二进制文件。

用法：grep [-HhnlLoqvsriwFE] [-m N] [-A/B/C N] PATTERN/-e PATTERN.../-f FILE [FILE]...

在文件（或标准输入）中搜索模式

    -H      Add 'filename:' prefix
    -h      Do not add 'filename:' prefix
    -n      Add 'line_no:' prefix
    -l      Show only names of files that match
    -L      Show only names of files that don't match
    -c      Show only count of matching lines
    -o      Show only the matching part of line
    -q      Quiet. Return 0 if PATTERN is found, 1 otherwise
    -v      Select non-matching lines
    -s      Suppress open and read errors
    -r      Recurse
    -i      Ignore case
    -w      Match whole words only
    -x      Match whole lines only
    -F      PATTERN is a literal (not regexp)
    -E      PATTERN is an extended regexp
    -m N    Match up to N times per file
    -A N    Print N lines of trailing context
    -B N    Print N lines of leading context
    -C N    Same as '-A N -B N'
    -e PTRN Pattern to match
    -f FILE Read pattern from file`

谢谢！

Answer 1

您拥有的正则表达式基于捕获组，而使用 grep 您只能获得完全匹配。此外，您使用 -E（POSIX ERE 风格），而您的正则表达式实际上不 POSIX ERE 兼容，因为它包含此风格不支持的惰性量词。

我认为您可以提取 < 和 << 之间的所有非 < 字符，然后是数字，然后是 < 和 PCRE 正则表达式（-P 选项):

s='1<host1<host1.network.org<<0<10.10.10.0/24<<Ed25519PublicKey = 8dtRRgAaTbUNtPxW9U3nGn6U7uvfIPwRo1wnx7xMIUH<Subnet = 10.10.3.0/24>1<host2<host2.network.org<<0<10.10.9.0/24<<Ed25519PublicKey = irn48tqF2Em4rIG0ggBmpEfaVKtkl6DmGdSzTHMmVEI<>0<host3<host3.network.org<<0<10.10.11.0/24<<Ed25519PublicKey = wQt1sFwOsd1hnBaNGHq4JDyib22fOg1YqzOp0p08ZTD<>'
echo $s | grep -oP '(?<=<)[^<]+(?=<<[0-9]<)'

参见regex demo and a grep demo。

输出：

host1.network.org
host2.network.org
host3.network.org

这里，(?<=<) 是一个积极的后视，它只检查紧邻当前位置左侧的 < 存在，但不会将 < 添加到匹配值，[^<]+ 匹配除 < 和 (?=<<[0-9]<) 以外的 1+ 个字符（正向前瞻）需要 <<，然后是数字，然后是 < 但同样不会添加这些字符匹配。

如果 grep 中没有 PCRE 选项，请尝试用一些字符替换所有不需要的文本，然后用 awk 拆分，或使用 grep:

echo $s | \ 
   sed 's/[^<]*<[^<]*<\([^<][^<]*\)<<[0-9]<[^<]*<<[^<]*[<>]*/|/g' | \ 
    grep -oE '[^|]+'

参见 another online demo。

Answer 2

好的，我的评论没有回复所以我将输入它作为答案。怎么样

\w*[a-z]\w*(\.\w*[a-z]\w*)+

它匹配至少完全限定名称的两个部分，用点分隔。

grep -Eo '\w*[a-z]\w*(\.\w*[a-z]\w*)+'

产量

host1.network.org

host2.network.org

host3.network.org

（假设您的字符串已输入标准输入；）

正则表达式 -> 从复杂字符串中提取固定位置出现

Regex -> extracting fixed position occurrences from complex string

regex

networking

pattern-matching

find-occurrences

tinc