bash - 使用 grep 的字符偏移

Question

当我在我的 bash 终端上运行它时:

grep -ob "amilase" <<< "α-amilase"

我明白了:

3:amilase

让我们将字节偏移量定义为匹配词之前的字节数，将字符偏移量定义为匹配词之前用户可见的字符数。

上面的3对应匹配词的字节偏移量。 α 是一个 unicode 字符，占用 2 个字节，这就是我们得到 3 的原因。

但是我怎样才能得到字符偏移量，在这种情况下是 2？为什么是2？如果您看着屏幕并数一数在匹配词之前存在多少个可见符号，您会数到 2。

我正在寻找一种行为类似于 grep -o 的解决方案，也就是说，如果每行有多个匹配项，它们都会被报告。

Answer 1

您可以启动您自己的穷人的 grep!

把它放在一个名为 mygrep 的脚本中:

#!/bin/bash

# Takes extended regex as first argument
# Text to match received on standard in
if
  [[ $# != 1 ]]
then
 echo "This script takes one argument as input"
 exit 1
fi

while IFS= read -r LINE
do
  while true
  do
    [[ "$LINE" =~ ^(.*)($1)(.*)$ ]] || break
    echo "${#BASH_REMATCH[1]}:$1"
    LINE="${BASH_REMATCH[1]}"
  done | tac
done

然后只需在您的命令中替换 grep 即可:

mygrep "amilase" <<< "α-amilase"

该脚本遍历所有输入行，将每一行与作为参数接收的正则表达式匹配(它可以是一个简单的字符串，但如果需要，您可以轻松使用正则表达式的全部功能)。我已经更新了我的答案以允许在一行中进行多个匹配。 | tac 用于反转行的顺序，因为贪婪匹配首先匹配每行的最后一次出现:如果您不介意匹配项以相反的方式出现，只需删除 | tac.

我不确定输出是您想要的，您可以轻松自定义它。

请注意 =~ 运算符进行模式匹配(egrep 语法)，BASH_REMATCH 是一个数组，用于访问(从索引 1 开始)括号内的子表达式。