☰

删除目录中 .txt 文件开头和结尾的字符串？

tag-icon • tag-icon text-processing awk
删除目录中 .txt 文件开头和结尾的字符串？

我的目录中有一组单行 .txt 文件。它们都具有相同的基本格式，我将其粘贴在下面标记为“输入”的位置：

对于目录中的每个文件，我想删除开头和结尾的字符串，以便我只拥有我感兴趣的文本，以便每个文件看起来“输出”：

输入：
<s> Text here that I want to keep </s> (31ca4166c37a_.76)

输出：
Text here that I want to keep

任何帮助将不胜感激。

答案1

使用旧的方法ed来编辑文件：

for file in dir/*.txt; do
  ed -s "$file" <<'EOF'
s!^<s> *!!
s!</s>.*$!!
w
EOF
done

（一般来说，大多数时候您发现自己在考虑非标准sed -i，您应该考虑使用ed。）

答案2

与 sed

sed -i.bak 's|^<\/s>\s\(.*\)\s<\/s>.*$|\1|' 1-line.txt

测试

echo "</s> Text here that I want to keep </s> (31ca4166c37a_.76)" | sed 's|^<\/s>\s\(.*\)\s<\/s>.*$|\1|'
Text here that I want to keep

要应用到文件夹中的所有文件，仅使用 sed 是无法做到的。您至少需要find一起使用该实用程序：

find . -type f -exec sed -i.bak 's|^<\/s>\s\(.*\)\s<\/s>.*$|\1|' {} \;

此命令将为.bak每个更改的文件创建一个文件。

笔记：

  • -i命令的参数是sedGNU 扩展名，因此，如果您在 BSD 上运行此命令，sed则需要将输出重定向到新文件，然后重命名它。
  • 尽管在 POSIX 中指定，但某些find实现没有参数-exec，因此您需要使用 a| xargs代替。

答案3

我建议这样：

sed 's;^[[:blank:]]*<[^>]*>[[:blank:]]*\(.*\)<.*>.*$;\1;' foo

输出：

Text here that I want to keep

如果标签有多个字母和任意字母，并且删除开头和结尾处的所有空格，则此方法有效，例如：

<br> Text here that I want to keep    </br> (31ca4166c37a_.76)

答案4

对于任何 POSIX awk（假设 every<s>和</s>do 在每一行上都按顺序对出现，如您提供的示例输入中所示）：

$ awk -F'[[:blank:]]*</?s>[[:blank:]]*' '{print $2}' file
Text here that I want to keep

使用 GNU awk 进行\s简写：

$ gawk -F'\\s*</?s>\\s*' '{print $2}' file
Text here that I want to keep

对于任何 POSIX sed：

$ sed 's|[[:blank:]]*<s>[[:blank:]]*\(.*[^[:blank:]]\)[[:blank:]]*</s>.*|\1|' file
Text here that I want to keep

相关内容