我有一个程序可以打印出以“--”分隔的文本行（“段落”）。例如它可能会打印
--
are you happy
--
I am hungry
are you
--
are(you hungry
too
我想将其通过管道传输到另一个程序（也许是 sed？）并只返回以给定单词开头的段落（例如“are”）。因此，在上述情况下，获取以“are”开头的段落，我会得到
--
are you happy
--
are(you hungry
too
该程序打印出可能非常大量的“段落”，但我预计只有一小部分可以匹配，这就是为什么我希望能够以流式传输方式过滤程序的输出（避免将所有内容写入一个巨大的文件中，并且然后过滤它）。
答案1
AWK
使用 GNU awk 或 mawk：
$ awk '$1~"^"word{printf("--\n%s",$0)}' word='are' RS='--\n' infile
--
are you happy
--
are(you hungry
too
这将变量 word 设置为要在记录开头匹配的单词，并将 RS（记录分隔符）设置为“--”，后跟新行\n。然后，对于以匹配 ( ) 的单词开头的任何记录，$1~"^"word打印格式化记录。格式是以“--”开头，并带有一个新行，其中包含找到的确切记录。
GREP
使用（GNU 选项-z）grep：
grep -Pz -- '--\nare(?:[^\n]*\n)+?(?=--|\Z)' infile
grep -Pz -- '(?s)--\nare.*?(?=\n--|\Z)\n' infile
grep -Pz -- '(?s)--\nare(?:(?!\n--).)*\n' infile
描述 对于以下描述，PCRE 选项(?x)用于添加（大量）与实际（工作）正则表达式内联的解释注释（和空格）。如果注释（和大多数空格）（直到下一个换行符）被删除，则生成的字符串仍然是相同的正则表达式。这允许在工作代码中详细描述正则表达式。这使得代码维护变得更加容易。
选项 1 正则表达式 (?x)--\nare(?:[^\n]*\n)+?(?=--|\Z)
(?x) # match the remainder of the pattern with the following
# effective flags: x
# x modifier: extended. Spaces and text after a #
# in the pattern are ignored
-- # matches the characters -- literally (case sensitive)
\n # matches a line-feed (newline) character (ASCII 10)
are # matches the characters are literally (case sensitive)
(?: # Non-Capturing Group (?:[^\n]*\n)+?
[^\n] # matches non-newline characters
* # Quantifier — Matches between zero and unlimited times, as
# many times as possible, giving back as needed (greedy)
\n # matches a line-feed (newline) character (ASCII 10)
) # Close the Non-Capturing Group
+? # Quantifier — Matches between one and unlimited times, as
# few times as possible, expanding as needed (lazy)
# A repeated capturing group will only capture the last iteration.
# Put a capturing group around the repeated group to capture all
# iterations or use a non-capturing group instead if you're not
# interested in the data
(?= # Positive Lookahead (?=--|\Z)
# Assert that the Regex below matches
# 1st Alternative --
-- # matches the characters -- literally (case sensitive)
| # 2nd Alternative \Z
\Z # \Z asserts position at the end of the string, or before
# the line terminator right at the end of the
# string (if any)
) # Closing the lookahead.
选项 2 正则表达式 (?sx)--\nare.*?(?=\n--|\Z)\n
(?sx) # match the remainder of the pattern with the following eff. flags: sx
# s modifier: single line. Dot matches newline characters
# x modifier: extended. Spaces and text after a # in
# the pattern are ignored
-- # matches the characters -- literally (case sensitive)
\n # matches a line-feed (newline) character (ASCII 10)
are # matches the characters are literally (case sensitive)
.*? # matches any character
# Quantifier — Matches between zero and unlimited times,
# as few times as possible, expanding as needed (lazy).
(?= # Positive Lookahead (?=\n--|\Z)
# Assert that the Regex below matches
# 1st Alternative \n--
\n # matches a line-feed (newline) character (ASCII 10)
-- # matches the characters -- literally.
| # 2nd Alternative \Z
\Z # \Z asserts position at the end of the string, or
# before the line terminator right at
# the end of the string (if any)
) # Close the lookahead parenthesis.
\n # matches a line-feed (newline) character (ASCII 10)
选项 3 正则表达式 (?xs)--\nare(?:(?!\n--).)*\n
(?xs) # match the remainder of the pattern with the following eff. flags: xs
# modifier x : extended. Spaces and text after a # in are ignored
# modifier s : single line. Dot matches newline characters
-- # matches the characters -- literally (case sensitive)
\n # matches a line-feed (newline) character (ASCII 10)
are # matches the characters are literally (case sensitive)
(?: # Non-capturing group (?:(?!\n--).)
(?! # Negative Lookahead (?!\n--)
# Assert that the Regex below does not match
\n # matches a line-feed (newline) character (ASCII 10)
-- # matches the characters -- literally
) # Close Negative lookahead
. # matches any character
) # Close the Non-Capturing group.
* # Quantifier — Matches between zero and unlimited times, as many
# times as possible, giving back as needed (greedy)
\n # matches a line-feed (newline) character (ASCII 10)
sed
$ sed -nEe 'bend
:start ;N;/^--\nare/!b
:loop ;/^--$/!{p;n;bloop}
:end ;/^--$/bstart' infile
答案2
使用 GNUawk或mawk：
$ awk -v word="are" -v RS='--\n' -v ORS='--\n' '$1 ~ "^" word "[[:punct:]]?"' file
are you happy
--
are(you hungry
too
--
这将输入和输出的记录分隔符设置为--后跟换行符。每个段落的第一个单词可以在 中找到$1。我们将其与给定的单词（可能后跟标点符号）进行匹配。如果它们匹配，则打印该段落。
请注意，输出中的段落标记将放置在每个段落的末尾而不是开头，因为我们用来ORS输出它们。
使用sed脚本：
:top
/^--/!d; # This is not a new paragraph, delete
N; # Append next line
/^--\nare[[:punct:]]?/!d; # This is not a paragraph we want, delete
:record
n; # Output line, get next
/^--/!brecord; # Not yet done with this record, branch to :record
btop; # Branch to :top
跑步：
$ sed -E -f script.sed file
--
are you happy
--
are(you hungry
too
或者，作为使用 shell 变量的单行代码$word：
sed -E -e ':t;/^--/!d;N;' \
-e "/^--\n$word[[:punct:]]?/!d" \
-e ':r;n;/^--/!br;bt' file
答案3
我知道，这是一个老问题，但是看到所有这些循环、分支和模式杂耍，当一个简单的
sed '/^--$/!{H;$!d;};x;/^--\nare/!d'
以自然的方式做同样的事情。
sed是一个逐行流编辑器；因此，如果您需要多行内容，请H在段落标记 ( ^--$) ex更改缓冲区上收集保留空间中的这些行，并测试是否打印该段落（^--\nare意味着一行--后面跟着一行以 开头的行are）。已经x用段落标记预加载了保留空间。
你不需要带有狂野扩展的 GNU 工具，你不需要编程技能，只需要参与其中sed。
答案4
看了你的问题我也有这样的感觉应该可以使用grep+来解决它PCRE。
- #1 方法解决了这个问题，感谢 @issac 的帮助。
- 方法 #2 显示了如何使用内联修饰符 (
(?s)) 和前瞻 (?!...)。 - 我最初的解决方案（#3）在大多数情况下都运行良好，除了我在下面部分中突出显示的类型。
grep 方法 #1
$ grep -Pzo -- '--\nare([^\n]*\n)+?(?=--|\Z)' afile
怎么运行的
grep 开关-P- PCRE 扩展已启用-z- 将输入视为多行，使用 NUL 代替\n（换行符）-o- 只显示匹配项
--\nare([^\n]*\n)+?(?=--|\Z)- 匹配双破折号，后跟一个
are，然后是零个或多个非换行符的延续 - 或换行符。 - 将
+?匹配 1 个或多个，但不是贪婪的，因此不会积极地继续。 - 最后，
(?=--|\Z)块末尾的守卫寻找下一个双破折号--或文件末尾（\Z）。
- 匹配双破折号，后跟一个
grep 方法 #2
此方法使用 DOTALL 内联修饰符来.匹配换行符 (`n`)。
$ grep -Pzo -- '(?s)--\nare((?!\n--).)+\n' afile
怎么运行的
grep 开关-P- PCRE 扩展已启用-z- 将输入视为多行，使用 NUL 代替\n（换行符）-o- 只显示匹配项
(?s)- 内联修饰符 DOTALL - 所有点都匹配换行符--\nare- 匹配换行符后跟are((?!\n--).)+\n.-只要向前查找(?!\n--)不遇到\n--.就匹配字符。整个匹配块需要至少有一个或多个 (+) 并后跟换行符\n。
grep 方法#3（原始）
这是一个grep利用 PCRE 扩展 ( -P) 的解决方案。此方法适用于提供的所有示例，但对于如下示例会失败：
--
are
some-other-dasher
但在大多数情况下，我可以想象必须应对。
$ grep -Pzo -- '--\nare[^\r\n]+[^-]+' afile
--
are you happy
--
are(you hungry
too
怎么运行的
grep 开关-P- PCRE 扩展已启用-z- 将输入视为多行，使用 NUL 代替\n（换行符）-o- 只显示匹配项
'--\nare[^\r\n]+[^-]+'- 匹配双破折号后跟换行符和单词
are。 - 然后它将继续打印该行的其余部分，
are直到遇到换行符。 - 然后它会打印字符，直到遇到一系列破折号。
- 匹配双破折号后跟换行符和单词