pcregrep 或 grep：使用先行搜索不起作用

Question

我正在尝试搜索具有前瞻性的正则表达式，它在 pcregrep 或 grep 中不起作用

我要搜索部分片段

可能跨越多行，
在行首以 PQXY 开头并且
在行尾以 OFEJ 结束，
中间不包含 PQXY 或 OFEJ

一般我在 sublime text 查找中使用以下内容并且效果很好

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

现在我想找到此类事件的计数，所以我正在尝试使用 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).)

并使用 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

基于@paxdiablo 和@anubha 的回答。

主要错误是 @paxdiablo

指出的单引号

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

正则解决方案是在@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

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

由于这是 zsh 引发错误，因此几乎 肯定是 因为它正在尝试处理双引号内的内容。为了保护它免受这种情况的影响，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，但这里有一份显示 echo 问题的记录：

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) 在这种情况下。你可以这样做：

awk '/^PQXY/     { s = [=12=]; c = 1; next}
     /OFEJ$/     { if (c == 1) { print s""ORS""[=12=]; c = 0 }; next }
     /OFEJ|PQXY/ { c = 0; next }
     c == 1      { s = s""ORS""[=12=] }' inputFile

这通过使用字符串和标志来控制收集的行和状态来工作，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结尾并且你正在收集，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，如果收集，追加当前行并（隐式地）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，它可以解决您的问题。

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 = [=13=]; c = 1; next}
        /OFEJ$/     { if (c == 1) { print s""ORS""[=13=]; c = 0 }; next }
        /OFEJ|PQXY/ { c = 0; next }
        c == 1      { s = s""ORS""[=13=] }' | 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) 以我的经验，如果你已经用 grep 风格的正则表达式尝试了三件事但都没有成功，那么转向更多的方法通常会更快高级工具:-)

^(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 :-)

Answer 2

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。
确保为您的模式使用单引号，这样 shell 的历史模块就不会尝试处理 !。
添加了 (?m)（多行）修饰符以允许在正则表达式中为每一行使用 ^ 和 $
使用 (\R|\z) 允许结束模式在文件末尾没有换行符的情况下结束。 \R 匹配任何换行符，包括 unicode 字符，\z 匹配输入结尾。

Working Demo

pcregrep

中的等价解

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

-M 在 pcregrep 中启用多行选项。

pcregrep 或 grep：使用先行搜索不起作用

pcregrep or grep: searching with lookaheads not working

regex

grep

pcregrep