☰

sed

tag-icon • tag-icon text-processing sed python perl
sed

我需要打印两个模式之间的文本，而不需要记住它们的位置，因为它们是在文件中随机找到的。在同一行或不在同一行或它们之间出现文本

模式是：<abc>和</abc>

例子 ：

aslkdjas<abc>aaaa</abc><abc>bbbb</abc>sdkljasdl<abc>
cccc
dddd</abc>ieurwioeru<abc>eeee</abc>asdasd

我需要如下输出或以逗号分隔此文件中发生的任何情况，以显示两个模式之间的值：

aaaa
bbbb
cccc
dddd
eeee

答案1

我不建议使用文本处理工具解析任何功能代码。它们只是为了解析人类语言而设计的，迟早你会遇到无法解决的问题。使用专用工具（html 解释器、c++ 编译器等）

话虽如此，在这种情况下你可以尝试pcregrep：

pcregrep -Mo '<abc>\K(.|\n)*?(?=</abc>)' file

结果是

aaaa
bbbb

cccc
dddd
eeee

bbbb是的，在和之间有新行，cccc因为在原始文件中我们有新行。当然，如果您愿意的话，您可以通过管道输出来删除空格（使用tr或sed其他方式），但正如我所说：在现实生活中的示例中，您可能会遇到更多意想不到的结果。

答案2

对于这个简单的情况，尝试

sed ':L1; N; $bL2; bL1; :L2; s#<abc>#^A#g; s#^[^^A]*^A##; s#</abc>[^^A]*^A#\n#g; s#</abc>.*$##; ' file
aaaa
bbbb

cccc
dddd
eeee

将所有行收集到模式空间中，用 替换前导模式^A，将 BOL 删除到第一个^A，用 替换模式之间的字符串<new line>，删除模式直到 EOL，打印。

答案3

sed

sed 解决方案是将模式 和 转换为文件中其他任何地方未使用的其他两个字符。这会将问题转换为在两个单个字符之间进行提取的一般问题。

  1. 首先，将每个模式转换为单个字符：

    sed 'H;$!d;x; s##^A#g; s##^B#g;'文件

    假设您为每个输入了Ctrl- V Ctrl- ，对于 也输入了类似的命令。A^A^B

    最初H;$!d;x;是捕获模式空间中的整个文件。这意味着：

    • 守住每一行
    • 擦除模式空间（并返回到开头）d
    • 如果这是不是最后一行$!
    • 获取存储在保留空间中的所有行x。 （可能是g，但 x 需要更少的内存，因为整个文件不会从保留空间复制到模式空间）。

  2. 提取两个单个字符（假设x和y这里）之间的模式的一般过程是：

    sed 的#^[^x]X＃＃; s#y[^y]$##; s#y[^x]*x#,#g;'

    那是：

    • 删除第一个 ( ^)之前的前导字符x。
    • $删除最后一个 ( )之后的尾随字符y。
    • 将 y 和 x 之间的字符转换为分隔符（,在本例中为逗号 ( )）。

全部一起：

$ sed 'H;$!d;x; s#<abc>#^A#g; s#</abc>#^B#g;' s#^[^^A]*^A##; s#^B[^^B]*$##; s#^B[^^A]*^A#,#g;' file
aaaa,bbbb,
cccc
dddd,eeee

grep

可以使用 (GNU) grep 来完成，但需要粘贴的帮助才能将逗号（仅）放在正确的位置：

$ grep -ozP '(?s)<abc>\K.*?(?=</abc>)' file | paste -zsd ','; echo
aaaa,bbbb,
cccc
dddd,eeee

相关内容