主页 / unix / 问题 / 492725
Accepted
Philip Kirkbride
Asked: 2019-01-06 16:06:53 +0800 CST

解析所有特定长度的字符串？

  • 772

我已经导出了 10 年的电子邮件存档，非常大。

我想解析任何长度为 64 个字符的字符串的所有文本，以搜索比特币私钥。

如何解析字符中一定长度的字符串？

text-processing files

4 个回答

  1. 如果您要搜索十六进制形式的 256 位数字（范围内的 64 个字符0-9和A-F- 比特币私钥可能出现的格式之一），则应该这样做：

    egrep -aro '\<[A-F0-9]{64}\>' files and dirs ...

    如果某些键是小写的，则添加-i选项或还包括范围。a-f

    对于从具有指定长度的同一类中查找字符运行的一般问题，您最好使用 pcre 正则表达式，它可以与带有-P选项的 GNU grep 一起使用。例如，要从任何字符集中查找大写字母的运行，最小长度为 2，最大长度为 4，并且由非大写字母的字符分隔：

    echo ÁRVÍZtűrő tükörFÚRÓgép |
   LC_CTYPE=en_US.UTF-8 grep -Po '(?<!\p{Lu})\p{Lu}{2,4}(?!\p{Lu})'
FÚRÓ

    替换\p{Lu}为\p{Ll}小写字母、\S非空格等。完整列表请参见此处和此处。

    (?<!...)并且(?!...)是消极的后瞻和前瞻零宽度断言；例如，当没有用and(?<!<)\w(?!>)括起来时，将匹配“单词”字符。零宽度断言可以由.<>\<vi(?<!\w)(?=\w)

    • 8

  2. 如果要从 中查找长度为 64 的所有单词/path/to/file，可以使用

    tr -c '[:alnum:]' '\n' < /path/to/file | grep '^.\{64\}$'

    这会将所有非字母数字字符替换为换行符，因此每个单词都在自己的行上。然后它过滤这个结果，只包含长度为 64 的单词。

    • 5
  3. Best Answer

    如果您有 GNU grep（Linux 上的默认设置），您可以执行以下操作：

    grep -Po '(^|\s)\S{64}(\s|$)' file

    启用 Perl 兼容正-P则表达式，它为我们提供\b（字边界）\S（非空白）和{N}（精确找到 N 个字符），-o意思是“只打印行的匹配部分。然后，我们寻找非-长度正好为 64 个字符的空格，位于行首 ( ^) 或空格 ( 's) 之后，并且在行尾 ( $) 或以另一个空格字符结尾。

    请注意，结果将在字符串的开头和结尾包含任何空白字符，因此如果您想进一步解析它，您可能希望使用它来代替：

    grep -Po '(^|\s)\K\S{64}(?=\s|$)'

    这将查找空白字符或字符串的开头(\s|^)，然后将其丢弃\K，然后查找 64 个非空白字符，然后查找（(?=foo)称为“前瞻”并且不会包含在匹配中）空白字符，或行尾。

    • 4

  4. 似乎 grep 是“搜索”字符串的正确工具。剩下要做的是用正则表达式定义这样的字符串。第一个问题是定义一个词的界限。它不像“空格”那么简单，不像a book, a lamp用作,单词分隔符，在同一个概念中，许多其他字符，甚至一行的开头或结尾都可以充当单词分隔符。GNU grep 中有一些单词分隔符：

    • \<词开始。
    • \>词尾。
    • \b词界。

    他们都假设一个词是一个[a-zA-Z0-9_]字符序列。如果这对你来说没问题，这个正则表达式可以工作：

     grep -o '\<.\{64\}\>' file

    如果您可以使用扩展的正则表达式，则\可以减少：

     grep -oE '\<.{64}\>' file

    它从“单词开头”（\<）、64 个（{64}）字符（.）到“单词结尾”（\>）进行选择，并仅打印匹配的（-o）部分。

    但是，点 ( .) 将匹配任何字符，这可能太多了。

    如果您想更严格地选择（十六进制数字），请使用：

     grep -oE '\<[0-9a-fA-F]{64}\>' file

    这将允许小写或大写的十六进制数字。但是，如果您真的想严格一些，因为可能包含一些非 ASCII 字符，请使用：

     LC_ALL=C grep -oE '\<[0-9a-fA-F]{64}\>' file

    grep 的某些实现（如 grep -P）没有“单词开头”或“单词结尾”（as\<和\>），但具有“单词边界”（as \b）：

    grep -oP '\b[0-9a-fA-F]{64}\b' file

    有一些语言接受 POSIX 单词边界[[:<:]]和[[:>:]]，但不接受 perl，并且仅来自 PCRE 8.34。

    还有更多的“词界”。

    • 2

相关问题