使用grep进行正则表达式格式化

Question

我正在为我的应用程序解析mp3文件的IDv3标签，并使用id3v2进行操作。例如，要获取mp3文件的专辑名称，命令如下：

id3v2 -R sample.mp3 | grep "TALB"

输出的内容是

TALB: Album Name

但是，我只想获取TALB的值，而不是整行内容，因此我按照以下方式将其传递给 sed

id3v2 -R sample.mp3 | grep "TALB" | sed 's/TALB: //'

输出

Album Name

那么，这是我的问题：

1. 是否只能通过grep实现上述结果？如果是，我该怎么做？
2. 即使我得到了我想要的结果，但当我寻找其他标签（如TCON）时，它返回example.com (255)，而我只需要example.com。那么，我应该如何在grep中编写正则表达式以实现这种类型的筛选？

- Gowtham

---

你不能仅使用 grep 来完成那个任务。就像你所做的那样，你必须使用 sed 或其他过滤器来剥离行中的部分内容。 - Diego Sevilla

@DiegoSevilla 那么，使用grep我只能得到行吗？ - Gowtham

Answer 1

您可以使用带有-P标志的Perl风格正则表达式：

grep -Po '(?<=TALB: ).*'

例如：

$ echo "TALB: Album Name" | grep -Po '(?<=TALB: ).*'
Album Name

(?<=TALB: ) 是一个 零宽度后顾断言。 .* 是您想匹配的其余内容的模式 - 在第一种情况下，是所有内容。如果您想在标记字符串之后仅匹配特定字符串（如第二个问题中所述），则可以更改此内容以适应您的特定数据。

- Josh Jolly

---

是的，很好。第二个问题呢？请解释一下上面的代码。 - Gowtham

或者可以使用grep -Po 'TALB: \K.*'，这可能更容易理解，特别是对于不熟悉前后查找断言的人。 - Adrian Frühwirth

Answer 2

这里有一种更动态的方法，只使用bash而不需要外部工具即可读取所有/所需标签并将其存储到同名变量中以供进一步使用。这种方法更快且能够获得您需要的所有标签，无需额外的成本/代码。

另一个好处是它是可移植的（<<<需要bash 2.05，${foo,,}需要bash 4，但可以轻松地删除，其余部分符合POSIX）。例如，在OS X上，grep -P虽然非常方便，但已不再可用，因此如果可移植性是一个问题，则不太适合用于脚本。

#!/bin/bash

# read line-wise from stdin using colon ':' as additional delimiter.
# what comes before ':' gets stored in $key, what comes after in $value
while IFS=' \t:' read -r key value; do
    # check if the value of $key is a tag that we are interested in
    case ${key} in
        TALB|TCON|TFOO) ;; # $key is one of TALB, TCON or TFOO. let's continue
        *) continue     ;; # otherwise, ignore line and read next line
    esac

    # store $value in the variable named $key, e.g. if
    #   $key == "TCON" and $value == "Album Name"
    # this would create $tcon == "Album Name"
    # (${key,,} converts $key to lowercase during the process)
    read -r "${key,,}" <<< "${value}"
done <<__DATA__
TALB: Album Name
TCON: example.com (255)
TFOO: tfoo
TBAR: tbar
__DATA__

echo "TALB: $talb"
echo "TCON: ${tcon% (255)}"  # strip the trailing " (255)" from $tcon
echo "TFOO: $tfoo"
echo "TBAR: $tbar"

.

$ ./t.sh
TALB: Album Name
TCON: example.com
TFOO: tfoo
TBAR:

${foo,,}是bash 4中的概念，将$foo转换为小写，以避免使用大写变量名称，但如果您没有bash 4，则可以直接放弃它并使用大写名称，或者使用tr将它们转换为小写。

while read line惯用语在这里有很好的解释。

不要像我使用heredoc来模拟id3v2的输出，而应使用进程替换将id3v2的输出“管道”到循环中，例如：

while [...]; do
    [...]
done < <(id3v2 -R Idhayam.mp3)

- Adrian Frühwirth

---

谢谢你的帮助。但是，我不知道你在这里做什么，特别是与__DATA__变量有关，而且它似乎有点复杂。我肯定会在shell脚本中使用它，但不会这么复杂。 - Gowtham

@Gowtham，这并不是很复杂，我在我的代码中添加了一些注释。__DATA__ 部分在我给出的 heredoc URL 后面有解释，但如果你按照我在答案底部所解释的那样做，可以忽略它，因为我只是用它来生成测试输入，而不是实际使用 id3v2。 - Adrian Frühwirth

Answer 3

我认为这是使用awk很好的工作：

id3v2 -R Idhayam.mp3 | awk -F': ' '/^TALB/ {print $2}'

这段代码会打印出冒号后面的部分。 -F 开关用于指定分隔符，该示例中为冒号和空格。如果在行首找到了 TALB，则打印第二列。

“TALB”部分可以放入变量中，例如：

id3v2 -R Idhayam.mp3 | awk -F': ' -v i="TALB" '"/^"i"/" {print $2}'

如果你只需要括号前面的部分，你可以这样做：

awk -F': ' -v i="TCON" '"/^"i"/" { split($2,a,"("); print a[1] }'

这段代码使用split函数创建了一个数组a，它保存了第二列的内容，并以(作为分隔符。然后它打印了该数组的第一个元素。

---

如果您喜欢使用sed，那么也无需使用grep。您可以像这样使用正则表达式：

sed -n 's/^TCON: \([^(]*\).*/\1/p'

这仅打印与"TCON"开头的行的括号前部分（(之前的部分）相关的部分。将-n传递给sed表示默认情况下不会打印每一行。

• ^TCON 匹配以 "TCON: " 开头的行
• \( \) 捕获这些括号中间的内容（需要斜杠作为转义字符）
• [^(] 不是 "（" 的字符
• * 零个或多个它们
• .* 吞掉行的其余部分

整行被替换为\1，它指的是先前捕获的部分。 p 表示打印。

- Tom Fenech

---

谢谢你的回答，但它似乎比 grep 和 sed 更复杂。 - Gowtham

@Gowtham 这取决于你认为什么是复杂的。就我个人而言，我认为零宽度回顾断言有点复杂！我已经添加了一个sed替代方案来解决你的第二个问题。 - Tom Fenech

是的，它确实有效，但您能否解释一下您在其中使用的正则表达式部分。 - Gowtham

@Gowtham，我已经在我的答案中添加了解释。 - Tom Fenech