如何忽略正则表达式中的转义括号

Question

我正在尝试使用正则表达式从PDF中提取一些自定义属性(我将使用grep)。

PDF 自定义属性是按以下格式存储的键值：

<</key1(value1)/key2(value2)/key3(value3)>>

值内的括号被转义：

/key4(outside (inside) outside)

我做了以下正则表达式来提取键的值：

grep -Po '(?<=key4().*?(?=))' "sample.txt"

但是，当将其应用于 key4(带括号)时，它会产生：

outside (inside

因为它在第一个)(被转义的那个)中停止，而不是在未转义

的那个中停止。如何在正则表达式中忽略转义的括号？

提前谢谢你。

PD：我愿意接受 sed 或 awk 的建议。

Answer 1

你可以这样做

(?<=key4()[^\()]*(?:\[Ss][^\()]*)*(?=))

https://regex101.com/r/B4qKdh/1

扩大：

(?<= key4( )
[^\()]* 
(?: \ [Ss] [^\()]* )*
(?= ) )

Answer 2

您可以使用sed解决方案，例如

sed 's/.*key4(([^()]*(\.[^()]*)*)).*/1/'
sed -E 's/.*key4(([^()]*(\.[^()]*)*)).*/1/'

请参阅在线sed演示。

POSIX ERE 模式详细信息

• .*- 任何 0+ 字符
• key4(-key(文字字符串
• ( - a(' 字符
• ([^()]*(\.[^()]*)*)- 第 1 组：
  • [^()]*- 除、(和)以外的 0 个或多个字符
  • (\.[^()]*)*- 0 次或多次重复
    • \.- 后跟任意 1 个字符的
    • [^()]*- 除、(和)以外的 0 个或多个字符
• )-)炭
• .*- 任何 0+ 字符

请注意，POSIX BRE 模式只是将文字和捕获括号转义交换(POSIX BRE 中的(匹配文字(字符，它不是捕获组的开始)。

替换部件中的1是组 1 占位符，并将整个匹配项替换为该组值。

Answer 3

在任何 UNIX 机器上的任何 shell 中使用任何 awk：

$ awk '
{ gsub(/\[(]/,"n1"); gsub(/\)/,"n2") }
match($0,/[/]key4[(][^)]+/) {
$0 = substr($0,RSTART+6,RLENGTH-6)
gsub(/n1/,"\("); gsub(/n2/,"\)")
print
}
' file
outside (inside) outside

使用 GNU awk 用于第三个参数匹配()：

$ awk '
{ gsub(/\[(]/,"n1"); gsub(/\)/,"n2") }
match($0,/[/]key4[(]([^)]+)/,a) {
$0 = a[1]
gsub(/n1/,"\("); gsub(/n2/,"\)")
print
}
' file
outside (inside) outside

以上只是将(和)替换为包含换行符的字符串(换行符分隔的记录不能存在于换行符中)n1并n2，然后找到 key4 的匹配项，然后将替换字符串放回其原始值打印前。