使用 sed 从表达式中删除字符

Question

我有一个表单中的字符串

1. |a 一些文本、字母或数字。 |其他一些文本字母或数字 |b 文本的其他部分 |c 其他一些字母或数字

请注意，该条可以单独存在，如“数字。|其他”或带有字符“|a”、“|b”、“|c”等，可能一直到“|z”

但这也可能是

2. |没有任何其他栏的标题

换句话说，柱的数量是未知的。

我需要找到两个与 sed 一起使用的正则表达式：

1. 第一个，查找 |a 和 |b 或 |b 和 |c 之间的所有文本，依此类推

在 1) 中，例如，

查找 a| 之后的所有文本但在 b| 之前，产生：

一些文字、字母或数字。 |其他一些文字字母或数字

查找 b| 之后的所有文本但在 c| 之前，产生，在上面的例子中：

文本的其他部分

2. 需要第二个表达式来查找 |a 之后的所有文本，但是，不是在 |b 处停止，而是简单地删除任何条形，单独删除 (|)，或与另一个字符 |a、|b、|c 等一起删除。

1）例如：

一些文本、字母或数字 一些其他文本字母或数字 文本的其他部分 一些其他字母或数字

Answer 1

假设 GNU 实用程序和数据文件data，

1. grep -Po '(?<=\|a).*(?=\|b)' data

    Some text, letters or numbers. | Some other text letters or numbers 
   

2. sed -r -e 's/^.?*\|a//' -e 's/\|[a-z]?//g' data

    Some text, letters or numbers.  Some other text letters or numbers  some other part of text  some other letters or numbers 
    Title without any other bars 
   

根据需要将|a和更改|b为|c和等。|d

请注意，这些都不会删除|x标记周围的空白，因此您的文本具有前导空格和尾随空格（此处均无法显示）。如果您也希望将其删除，则需要将其包含在模式中：

grep -Po '(?<=\|a ).*(?= \|b)' data
sed -r -e 's/^.?*\|a ?//' -e 's/ ?\|([a-z] ?)?//g' data

正如此处所写，该sed命令会将各个小节连接在一起。如果您希望它们之间有一个空格，只需将//末尾的 更改为/ /。

Answer 2

我不清楚您是否希望分隔符中的字母是连续的，所以我继续假设您想要处理要求分隔符连续的更困难的情况（即与但|a配对）|b不与|c）。我不确定是否可以单独使用正则表达式来做到这一点（至少不能没有非常详细的正则表达式）。无论如何，这里有一个处理这种情况的简单 Python 脚本：

#!/usr/bin/env python2
# -*- coding: ascii -*-
"""parse.py"""

import sys
import re

def extract(string):
    """Removes text between delimters of the form `|START` and `|STOP`
    where START is a single ASCII letter and STOP is the next sequential
    ASCII character (e.g. `|a` and `|b` if START=a and STOP=b or
    `|x` and `|y` if START=x and STOP=y)."""

    # Find the opening delimiter (e.g. '|a' or '|b')
    start_match = re.search(r'\|[a-z]', string)
    start_index = start_match.start()
    start_letter = string[start_index+1]

    # Find the matching closing delimiter
    stop_letter = chr(ord(start_letter) + 1) 
    stop_index = string.find('|' + stop_letter)

    # Extract and return the substring
    substring = string[start_index+2:stop_index]
    return(substring)

def remove(string):

    # Find the opening delimiter (e.g. '|a' or '|b')
    start_match = re.search(r'\|[a-z]', string)
    start_index = start_match.start()
    start_letter = string[start_index+1]

    # Remove everything up to and including the opening delimiter
    string = string[start_index+2:]

    # Remove the desired substrings which occur after the delimiter
    string = re.sub(r'\|[a-z]?', '', string)

    # Return the updated string
    return(string)

if __name__=="__main__":
    input_string = sys.stdin.readline()
    sys.stdout.write(extract(input_string) + '\n')
    sys.stdout.write(remove(input_string))