LEX中如何在多引号场景下提取首个被引号包裹的匹配单词

问题根源 #

你当前的处理逻辑和正则使用都存在问题：

• 你的操作逻辑是匹配到目标内容后将其替换为空，再输出整行，自然只能得到删除了目标内容的剩余文本，没匹配到时就会输出完整原句，和「仅输出匹配到的内容」的需求完全相反
• 你写的正则^\'[a-z]+\'仅能匹配行首位置的单引号包裹小写单词，如果第一个带引号的单词不在行首，会直接匹配失效

解决方案 #

首先调整正则逻辑，捕获第一个单引号包裹的单词内容，再修改处理逻辑为仅输出捕获到的匹配内容即可，下面是常用命令行工具的实现方式：

1. 使用GNU grep #

命令：

# 仅输出单词本身，不带单引号，比如输出 apple
grep -oP "^[^']*'\K[a-z]+(?=')" 你的输入文件

# 保留单引号输出，比如输出 'apple'
grep -oP "^[^']*'\K[a-z]+'" 你的输入文件

参数说明：

• -o：仅输出匹配到的内容，不输出整行
• -P：启用Perl正则语法
• ^[^']*：匹配行开头到第一个单引号前的所有内容
• \K：丢弃之前匹配的内容，只保留后续匹配的部分
• (?=')：正向预查，确认单词后面紧跟单引号，不会匹配到其他内容

2. 使用sed #

命令：

# 仅输出单词本身，不带单引号
sed -n "s/^[^']*'\([a-z]\+\)'.*/\1/p" 你的输入文件

# 保留单引号输出
sed -n "s/^[^']*\('[a-z]\+'\).*/\1/p" 你的输入文件

参数说明：

• -n：默认不输出任何行内容，避免没匹配到时输出原句
• s/原模式/替换内容/p：将原模式匹配到的内容替换为指定内容后输出
• 用括号\(\)将目标单词捕获为分组1，替换时直接用\1引用分组内容，即可仅输出匹配到的单词

用你的示例输入'apple' banana 'orange'测试上述命令，都会直接输出你需要的apple（或带单引号的'apple'）。

内容的提问来源于stack exchange，提问作者user9178840