grep：匹配第一个空格之前（不包括空格）的所有字符

Question

我有一个文本文件，它的格式如下：

characters(that I want to keep) (space) characters(that I want to remove)

所以举个例子：

foo garbagetext
hello moregarbage
keepthis removethis
(etc.)

所以我在Linux中尝试使用grep命令，只保留每行中第一个空格之前的字符。我尝试了很多次，比如：

grep '*[[:space:]]' text1.txt > text2.txt
grep '*[^\s]' text1.txt > text2.txt
grep '/^[^[[:space:]]]+/' text1.txt > text2.txt

尝试从不同的示例中拼凑，但是我没有成功。它们都生成了一个空白的text2.txt文件。我对此还很陌生。我做错了什么吗？

*编辑：

我想保留的部分包括大写字母。所以我希望在每一行中保留直到空格之前的任何/所有字符（删除从空格开始的所有内容）。

**编辑：

垃圾文本（我想要删除的）可以包含任何内容，包括空格、特殊字符等。例如：

AA rough, cindery lava [n -S]

在运行grep -o '[^ ]*' text1.txt > text2.txt之后，上面的那一行变成了：

AA
rough,
cindery
lava
[n
-S]

在text2.txt中。（我只想保留的是AA）

---

解决方案（由Rohit Jain提供，beny23进一步提供意见）：

grep -o '^[^ ]*' text1.txt > text2.txt

- lord_sneed

Answer 1

你把量词 * 放错地方了。

尝试使用这个替代方式：-

grep '^[^\s]*' text1.txt > text2.txt

或者，甚至更好：-

grep '^\S*' text1.txt > text2.txt  

\S 表示匹配非空白字符。而锚点^用于匹配行的开头。

- Rohit Jain

---

这是否包括大写字母？我运行了这两个命令，它们只是生成了相同的文件。我想要删除从空格开始的所有内容（在我给出的示例中保留“foo”、“hello”和“keepthis”）。 - lord_sneed

如果不加-o选项，grep命令会打印整行文本，而非只打印匹配的部分。因此，您需要添加-o选项来只显示匹配的部分。请注意，这样做不会改变原意。 - beny23

@lord_sneed.. 啊！抱歉，我又忘记放锚点了。使用 grep -o '^[^ ]*' text1.txt > text2.txt 来匹配开头。 - Rohit Jain

我看到这个代码可以运行，但是不确定为什么；查找后发现“^”是行首或字符串起始标记，但在这里似乎表示“非”...是这样吗？方括号代表一个范围...？我想要的是类似的搜索只匹配行的前面部分，所以我将“grep '^[^\s]'”改为“grep '^[^\[]'”，因为我想匹配直到遇到“_开方括号_”。它可以工作，但就像上面说的，我真的不知道为什么。?? - Dee

@Dee 是的，这就是原因。当“^”放在字符类的开头时，它会否定整个字符类。当在任何正则表达式的开头使用时，它表示匹配模式应该出现在行的开头。 - Rohit Jain

Answer 2

我知道这个问题早已被grep解决，但是为了后代，我想指出在这种特定情况下至少有另外两种解决方案，它们比grep更高效。

由于您没有进行任何复杂的文本模式匹配，只是取用以空格作为分隔符的第一列，您可以使用一些基于列的工具，如awk或cut。

使用awk

$ awk '{print $1}' text1.txt > text2.txt

使用cut命令

$ cut -f1 -d' ' text1.txt > text2.txt

对大约1.1MB文件进行基准测试

$ time grep -o '^[^ ]*' text1.txt > text2.txt

real    0m0.064s
user    0m0.062s
sys     0m0.001s
$ time awk '{print $1}' text1.txt > text2.txt

real    0m0.021s
user    0m0.017s
sys     0m0.004s
$ time cut -f1 -d' ' text1.txt > text2.txt

real    0m0.007s
user    0m0.004s
sys     0m0.003s

awk 比 grep 快大约 3 倍，cut 比 awk 快大约 3 倍。虽然对于只运行一次的小文件来说区别不大，但如果你正在编写可重复使用的脚本或经常处理大型文件，你可能会感受到额外的效率提升。

- Steve

---

“cut”方法是我最喜欢的。 - Kar.ma

Answer 3

我经常使用egrep来帮助“着色”日志行，所以我一直在寻找正则表达式的新变化。对我来说，上面的方法通过添加\W会更好：

$ egrep --color '^\S*\W|bag' /tmp/barf -o
foo
bag
hello
bag
keepthis
(etc.)

问题是，我的日志文件几乎总是有时间戳，所以我在示例文件中添加了一行：

2013-06-11 date stamped line

然后它的效果就不太好了。 所以我又回到了之前的正则表达式：

egrep --color '^\w*\b|bag' /tmp/barf

但是未标日期的行显示出了问题那个。没有上色很难看到这一点...

- MarkHu

Answer 4

继@Steve的回答之后，如果您想使用不同的分隔符（例如逗号），可以使用-F指定它。如果您想要每行内容直到第一个逗号的内容，比如尝试读取csv文件中第一个字段的值时，这将非常有用。

$ awk -F "," '{print $1}' text1.txt > text2.txt

- Tapa Dipti Sitaula