Shell Daily 2026-01-06: 精准提取 (Grep Only)
在日志分析中，我们经常面临这样的需求：只想把日志里的 IP 地址、订单号或 URL 单独抠出来。
为了达到这个目的，很多人的肌肉记忆是“组合拳”：先用 grep 过滤行，再用 awk 切分列，或者用 sed 做正则替换。比如为了拿一个 IP，可能写出 awk '{print $3}' 这种依赖列位置的代码，一旦日志格式变动，脚本立马失效。
其实，grep 早就具备了将它变成提取工具的能力，你只需要一个参数：-o (Only matching)。
怎么用
通常 grep 会输出包含匹配内容的整行，而加上 -o 后，它只会输出匹配到的部分。每一处匹配都会单独占一行。
- 语法：
grep -o "正则表达式" file - 兼容性：Linux (GNU grep) 和 macOS (BSD grep) 均支持。
适用场景
- 数据清洗：从杂乱的文本中提取结构化数据（如邮箱、链接）。
- 统计分布：配合
sort | uniq -c，统计某个特定模式（如错误码、API 接口）出现的频率。
示例 1：提取所有的 IP 地址
假设你有个 access.log，你想把里面所有的客户端 IP 拿出来，不管它出现在日志的第几列：
# -E 表示使用扩展正则 (Extended Regex)
# -o 表示只输出匹配到的 IP 字符串
grep -o -E "([0-9]{1,3}\.){3}[0-9]{1,3}" access.log# 输出结果不再是整行日志，而是纯净的 IP 列表：
# 192.168.1.1
# 10.0.0.5
# ...
示例 2：高频词统计 (Top K)
这是一个价值极高的组合技。假设你想知道今天的 Nginx 日志里，哪个 URL 报错（404）最多。
如果用 awk，你得数 URL 在第几列。用 grep -o，直接用正则匹配 URL 路径即可：
# 1. 先过滤出 404 的行
# 2. 用 grep -o 提取出请求路径 (比如 /api/v1/user/...)
# 3. 排序并统计频率
grep " 404 " access.log \| grep -o -E "/api/[a-zA-Z0-9/_]+" \| sort | uniq -c | sort -nr | head -5# 输出：
# 150 /api/v1/old_endpoint
# 89 /api/v2/glitchy_image.png
(注：把 grep 从“搜索行”变为“提取器”，能让你彻底摆脱对列号的依赖，写出更健壮的数据处理管道。)