regex - 如何让 "grep -zoP"分别显示每个匹配项？

Question

我在这个表格上有一个文件:

X/this is the first match/blabla
X-this is
the second match-

and here we have some fluff.

我想提取出现在“X”之后和相同标记之间的所有内容。所以如果我有“X+match+”，我想得到“match”，因为它出现在“X”之后和标记“+”之间。
因此，对于给定的示例文件，我希望得到以下输出:

this is the first match

进而

this is
the second match

我设法使用以下方法获取 X 和标记之间的所有内容:

grep -zPo '(?<=X(.))(.|\n)+(?=\1)' file

那是:

grep -Po '(?<=X(.))(.|\n)+(?=\1)'匹配 X 后跟 (something)最后被捕获并与 (?=\1) 匹配(我基于 my answer here 的代码)。

注意我使用 (.|\n)匹配任何内容，包括新行，我也使用 -z在 grep 中也匹配新行。

所以这很有效，唯一的问题来自输出的显示:

$ grep -zPo '(?<=X(.))(.|\n)+(?=\1)' file
this is the first matchthis is
the second match

如您所见，所有匹配项一起出现，“这是第一个匹配项”后跟“这是第二个匹配项”，完全没有分隔符。我知道这来自“-z”的使用，它将所有文件视为一组行，每行都以零字节(ASCII NUL 字符)而不是换行符(引用“man grep”)结尾。
那么:有没有办法分别获得所有这些结果？
我也在 GNU Awk 中尝试过:

awk 'match($0, /X(.)(\n|.*)\1/, a) {print a[1]}' file

但甚至不是 (\n|.*)工作。

Answer 1

awk不支持正则表达式定义中的反向引用。
解决方法:

$ grep -zPo '(?s)(?<=X(.)).+(?=\1)' ip.txt | tr '\0' '\n'
this is the first match
this is
the second match

# with ripgrep, which supports multiline matching
$ rg -NoUP '(?s)(?<=X(.)).+(?=\1)' ip.txt
this is the first match
this is
the second match

也可以用 (?s)X(.)\K.+(?=\1)而不是 (?s)(?<=X(.)).+(?=\1) .此外，您可能希望在此处使用非贪婪量词以避免匹配 match+xyz+foobaz对于输入 X+match+xyz+foobaz+
与 perl

$ perl -0777 -nE 'say $& while(/X(.)\K.+(?=\1)/sg)' ip.txt
this is the first match
this is
the second match