grep nach Muster suchen

[slu]

Hallo,

ich möchte in einem PDF nach einem Muster (** 12345678 **) suchen, das klappt auch soweit:

Code: Alles auswählen

pdftotext -f 1 -l 1 4.pdf - | grep [**] | cut -d ' ' -f 2

Aber irgendwie ist das nicht so sauber, wie kann ich z.B. beachten das 8 digits kommen?

Hatte schon mit sowas gespielt, aber das wirkt sobald zwei sterne kommen:

Code: Alles auswählen

pdftotext -f 1 -l 1 1.pdf - | grep -E '[**]+[**]'

[hikaru]

Mir ist nicht ganz klar, was die Sterne sein sollen. Sind das die reinen Zeichen (also Shift +), sollen das Wildcards sein, wie z.B. in Shells (ls *) oder Regex-Metazeichen für eine beliebige Vervielfältigung?

[tobo]

Aber irgendwie ist das nicht so sauber, wie kann ich z.B. beachten das 8 digits kommen?

Genau so, wie du das gerade aufgesagt hast:

Code: Alles auswählen

[[:digit:]]{8}

Als extended regex.

[slu]

Mir ist nicht ganz klar, was die Sterne sein sollen. Sind das die reinen Zeichen (also Shift +)

Ja Shift +

Ich brauche aber nur die reinen Zahlen.

[slu]

Code: Alles auswählen

[[:digit:]]{8}

Als extended regex.

Da findet er zu viel, ich muss genau die acht Zahlen zwischen Zeichen '** 'ZAHLEN' **' ausgeben.
Die Sternchen dienen nur zum erkennen der Stelle.

[hikaru]

Mit grep geht das nicht in einem Rutsch, denn du brauchst die Sterne einerseits um überhaupt dein Pattern zu erkennen, andererseits willst du sie nicht in der Ausgabe haben. Zweistufig ginge das z.B. so:

Code: Alles auswählen

egrep -o '\*\* [[:digit:]]{8} \*\*' DATEI | egrep -o '[[:digit:]]{8}'

Mit sed geht das in einem Schritt, denn das kann sich das tatsächlich gesuchte Pattern merken:

Code: Alles auswählen

sed -n 's/\*\* \([[:digit:]]\{8\}\) \*\*/\1/p' DATEI

...mit awk sicher auch.

[slu]

Code: Alles auswählen

egrep -o '\*\* [[:digit:]]{8} \*\*' DATEI | egrep -o '[[:digit:]]{8}'

Das funktioniert sehr gut, vielen Dank für den Code!

Code: Alles auswählen

sed -n 's/\*\* \([[:digit:]]\{8\}\) \*\*/\1/p' DATEI

...mit awk sicher auch.

Das funktioniert auch, allerdings auch wenn ich folgendes schreibe:

Code: Alles auswählen

sed -n 's/\*\* \([[:digit:]]\{8\}\) \*\+/\1/p' DATEI

Wir denn das + mit * gleichgesetzt?

[tobo]

Bei den seds sollte man vielleicht Anfang und Ende der Zeilen einschließen, wenn man nicht ausschließen kann, dass da noch was kommt!?

Code: Alles auswählen

sed -n 's/^.*\*\* \([[:digit:]]\{8\}\) \*\*.*$/\1/p'  DATEI

+ heißt 1mal oder mehr und * heißt 0mal oder mehr. Bedeutet also, relevanter Unterschied ist nur bei 0mal.
EDIT: Was natürlich meinerseits Quatsch war, da du das ja als Suchmuster betrachtest.
EDIT2: In dem Falls heißt es dann tatsächlich doch 1 oder mehrere "*", ist also doch eine Quantifizierung. Wenn Du das Zeichen + suchst, dann ohne \ angeben. Falls sed mit -r benutzt wird, dann dreht sich die Logik genau rum.

[hikaru]

Bei den seds sollte man vielleicht Anfang und Ende der Zeilen einschließen, wenn man nicht ausschließen kann, dass da noch was kommt!?

Code: Alles auswählen

sed -n 's/^.*\*\* \([[:digit:]]\{8\}\) \*\*.*$/\1/p'  DATEI

Jein.
In slus Ausgangsfragestellung stand nicht drin, dass die gesuchten Strings allein in der Zeile stehen. Also sollte man das auch nicht beim Pattern voraussetzen. Wann immer Regex im Spiel sind, muss man bei Formulierung und Interpretation der Fragestellung sehr exakt sein.
Aber du hast natürlich recht, dass mein sed-Pattern zu simpel war um das Problem wirklich zu lösen. Ich hatte es erstellt, bevor ich erkannte, das ich in der grep-Pipe auch schon beim ersten Aufruf -o brauche.

Falls sed mit -r benutzt wird, dann dreht sich die Logik genau rum.

Was sehr zur Übersichtlichkeit beitragen kann. Daher zweiter Versuch:

Code: Alles auswählen

sed -nr 's/(.*\*\* )([[:digit:]]{8})( \*\*.*)/\2/p' test.txt

[tobo]

Jein.
In slus Ausgangsfragestellung stand nicht drin, dass die gesuchten Strings allein in der Zeile stehen. Also sollte man das auch nicht beim Pattern voraussetzen.

Verstehe ich nicht. Genau darauf bezog sich doch meine Antwort!?

[hikaru]

Tut mir leid, ich hatte vorhin nur die Anchors gesehen.