如何用sed正确提取编译器警告中的文件路径、行号等信息？

问题场景 #

我需要从release-log.txt文件中提取文件路径、行号、编译器警告编号（如C6001、C6011、C28197）以及警告消息，但当前使用的sed命令输出不符合预期。

当前执行的命令：

grep -E "C6001|C6011|C28197" release-log.txt |
head |
sed -r 's/^([a-zA-Z\\:.]+)\(([0-9]+)\) warning (C[0-9]+): (.+).(.+)$/(\3) \1:\2 \4/g'

部分警告日志示例：

C:\WindowsFabric\src\prod\ktl\src\inc\kallocator.h(196): warning C6011: Dereferencing NULL pointer 'Allocator'. : Lines: 189, 196 [C:\WindowsFabric\src\prod\src\Lease\KTransport\user\KTransport.user.vcxproj]
C:\WindowsFabric\src\prod\ktl\src\inc\kstringview.proto.h(2505): warning C6001: Using uninitialized memory '*Temp_value_#2479'.: Lines: 2493, 2492, 2496, 2505, 2506, 2505 [C:\WindowsFabric\src\prod\src\Lease\KTransport\user\KTransport.user.vcxproj]

期望输出格式（以第一条日志为例）：

(C6011) C:\WindowsFabric\src\prod\ktl\src\inc\kallocator.h:196 Dereferencing NULL pointer 'Allocator'

原命令问题分析 #

1. 路径匹配不完整：原正则里的[a-zA-Z\\:.]+只覆盖了字母、反斜杠、冒号和点，但Windows路径包含数字、下划线、正斜杠等字符，导致路径匹配失败或不完整。
2. 消息匹配逻辑错误：原表达式用.+.(.+)$拆分消息，会把警告消息末尾的句号和后续的: Lines:...内容错误分割，导致提取的消息带多余字符或缺失部分内容。

修正后的命令 #

grep -E "C6001|C6011|C28197" release-log.txt |
head |
sed -r 's/^([a-zA-Z0-9\\:_/.]+)\(([0-9]+)\): warning (C[0-9]+): (.+)\. : Lines:.*/(\3) \1:\2 \4/g'

修正点说明 #

• 路径匹配优化：将路径匹配正则改为[a-zA-Z0-9\\:_/.]+，覆盖Windows路径中所有可能的字符，确保完整提取文件路径。
• 消息匹配精准化：用(.+)\. : Lines:匹配到警告消息末尾的句号加空格位置，直接丢弃后面的: Lines:...及之后的内容，保证提取的消息干净准确。
• 输出格式对齐：替换后的结果严格对应期望格式，将警告编号用括号包裹，路径和行号用冒号连接，最后是纯净的警告消息。

测试效果 #

用第一条日志测试，输出完全符合预期：

(C6011) C:\WindowsFabric\src\prod\ktl\src\inc\kallocator.h:196 Dereferencing NULL pointer 'Allocator'

内容的提问来源于stack exchange，提问作者Node.JS