linux - 使用 grep 搜索文件并仅输出部分行

Question

我正在查看日志文件并试图在我的最终文件中获得更简洁的输出。如果我 grep 一个值，我想格式化输出以删除除日期和 url 之外的任何内容。

例如这里是文件的一行。

Sep 25 08:07:51 10.20.30.40 FF_STUFF[]: 1545324890 1 55.44.33.22 10.9.8.7 - 10.60.154.41 http://website.com 0 BYF ALLOWED CLEAN 2 1 0 0 0 (-) 0 - 0 - 0 sqm.microsoft.com - [-] sqm.microsoft.com - - 0

我想执行一个 grep 或一个更好的命令(如有必要)，以输出到仅列出粗体条目的 .txt 文件。基本上列出日期和 URL。那么我如何告诉它列出前 15 个字符(包括空格)，然后找到第一个 http/https 并列出所有内容直到第一个空格？每行的长度或任何类似性质的内容都不相同，所以我不能只按字符位置。

所以我的输出是

Sep 25 08:07:51 http://website.com

谢谢。

Answer 1

你不能轻易地在 grep 中使用 -o 选项，因为你有两个模式，由可变数量的字符分隔(和 -o 将打印完整的匹配部分)。

如果您只想提取 URL，这就足够了:

$ grep -oE 'https?:[^ ]+' file
http://website.com

但是要同时提取日期和 URL，最简单的解决方案可能是使用 GNU awk:

$ awk '{ match($0, /https?:[^ ]+/, url); print $1, $2, $3, url[0]; }' file
Sep 25 08:07:51 http://website.com

打印前三个字段($1 到 $3，以空格分隔)，然后搜索带有 match() 的 URL (假设它不包含空格，即空格字符总是被正确转义；作为 + 或 %20)，然后打印找到的第一个 URL(在日期之后).

如果您有 POSIX awk(或使用 --posix 标志调用 gawk)，解决方案有点冗长，因为 POSIX match() 不支持将匹配的部分保存到数组中(第三个参数，url)，你必须使用 substr() 显式提取 URL找到匹配项时:

$ awk '{ match($0, /https?:[^ ]+/); print $1, $2, $3, substr($0, RSTART, RLENGTH); }' file
Sep 25 08:07:51 http://website.com