linux字符串匹配中“组”(\1 \2……)的用法

注：由于编码问题 \括弧 会被转义，因此本文中写成 \空格括弧

文本a.cfg大致如下：

  "export": {
    "table": [
      {
        "cb": "default",
        "fn": "T_ORDER.csv",
        "sql": "select f_order_no, f_inst_id from t_order where f_apply_date = '%s'", 
        "type": "1"
      },
      {
        "cb": "default",
        "fn": "T_MATCH.csv",
        "sql": "select f_match_no, f_buy_or_sell, f_client_id, f_seat_id, f_inst_id, f_match_date, f_match_time, f_price, from t_match where f_match_date = '%s'", 
        "type": "1"
      },
      ……
      ……
}

目的：cfg文本中有很多sql项，想要对数据库表进行select操作，我们想通过一个脚本处理得到所有被select的表名列表

注意到select ...... from+空格后面紧跟的就是表名，可以用正则表达式匹配得到

很快就能想到使用Python正则表达式中的“组”，匹配前面的select from内容，然后用“组”打印表名

fileContent=file("a.cfg").read()
re.findall(r"select.*from (\w+)", fileContent)

但是如果使用shell，应该如何完成相同的功能呢？

先尝试了grep，就算使用-o，也只是打印匹配到的key的内容，而不能打印匹配到内容的前后文，因此放弃。

后来注意到sed有相似的组\ (..\ ) 用法:

保存匹配的字符，如s/\ (love\ )able/\1rs，loveable被替换成lovers。 
sed 's/keywords\ (pattern1\ )\ (pattern2\ )/\1\2/ #匹配keywords(pattern1)(pattern2)，并将其替换为pattern2和pattern1匹配到的内容

于是开始尝试

1. sed 's/select.*from (\w+)/\1/' app_bac_tbl.cfg

报错：sed：-e 表达式 #1，字符 24：“s”命令的RHS非法引用\1。

原因：组匹配括弧前要加反斜杠\ (...\ )，修改后再次尝试

2. sed 's/select.*from \ (\w+\ )/\1/' app_bac_tbl.cfg

发现把整个cfg文件打印了一遍，于是使用sed -n 加上p的用法，修改后再次尝试

3. sed -n 's/select.*from \ (\w+\ )/\1/p' app_bac_tbl.cfg

发现什么都没打印，也就是什么都没匹配到

原因：sed中使用+表示匹配一次或多次时，前要加反斜杠\转移，否则sed会认为是要匹配字符'+'，由于cfg的表名中没有+，自然就匹配不到，修改后再次尝试

4. sed -n 's/select.*from \ (\w\+\ )/\1/p' app_bac_tbl.cfg

发现它将匹配到并替换后的行打印出来了，例如：

        "sql": "t_order where f_apply_date = '%s'", 

        "sql": "t_match where f_match_date = '%s'", 

因为我们只想打印表名，那么就把行中表名以外的其它内容都匹配，然后替换成表名，修改后再次尝试

5. sed -n 's/.*select.*from \ (\w\+\ ).*$/\1/p' app_bac_tbl.cfg

得到我们想要的结果：

t_order

t_match

……

……

如果有其它更好用的方法，欢迎交流~