使用GNU grep 3.7基于多正则条件提取指定IT1-REF组

问题描述 #

现有文件内容如下：

IT1*1*EA*VN*ABC@SAC*X*500@REF*ZZ*OK@IT1*1*CS*VN*ABC@SAC*X*500@REF*ZZ*BAR@IT1*1*EA*VN*ABC@SAC*X*500@REF*ZZ*BAR@IT1*1*EA*VN*ABC@SAC*X*500@REF*ZZ*OK@

需要提取满足以下条件的完整组（以IT1开头、REF结尾，@视为段分隔符）：

• IT1段包含*EA*
• REF段包含BAR

目标提取内容：

IT1*1*EA*VN*ABC@SAC*X*500@REF*ZZ*BAR@

之前尝试的命令存在问题：

1. grep -oP "IT1[^@]*EA[^@]*@.*REF[^@]*BAR[^@]*@" file.txt：因.*贪婪匹配，会捕获跨多个组的多余内容
2. grep -oP "(?<=IT1[^@]*EA[^@]*@).*?(?=REF[^@]*BAR[^@]*@)" file.txt：GNU grep 3.7不支持可变长度后向断言，报错lookbehind assertion is not fixed length

正确提取命令 #

使用以下GNU grep命令可精准提取目标内容：

grep -oP 'IT1[^@]*EA[^@]*@(?:(?!IT1)[^@]*@)*REF[^@]*BAR[^@]*@' file.txt

命令解释 #

• IT1[^@]*EA[^@]*@：匹配包含*EA*的完整IT1段及结尾的@分隔符
• (?:(?!IT1)[^@]*@)*：非捕获组，匹配当前IT1组内的中间段（如SAC段），通过(?!IT1)确保不会匹配到下一个IT1组的开头，避免跨组匹配
• REF[^@]*BAR[^@]*@：匹配包含BAR的完整REF段及结尾的@分隔符

内容的提问来源于stack exchange，提问作者root