关于使用sed、过滤数据的问题

Question

这是一个示例文本文件：

store: xxx
Delete: xxx
Expires: Sat, 30 Oct 02021 13:01:57 +0100
store: xxx
Delete: xxx
Expires: Sat, 30 Oct 02021 13:01:57 +0100
store: abc
store: sdf
Expires: Sat, 30 Oct 02021 13:01:57 +0100

• 我想要CSV 格式的所有三个字段 ( store、Delete、 )。Expires
• 如果没有Delete或Expires行/字符串，则应显示为null或以逗号分隔的空格
• 要修剪的日期字段仅DD Mon YYYY例如30 Oct 2001

到目前为止，在帮助下，我们得到了以下内容，但没有按预期工作。

任何帮助将非常感激。

cat list.txt | grep -E "Expires|Delete|Store" | awk '{ printf "%s\n", $2 }' | tr  '\n' ',' | sed 's/,,/\n/' | sed '$ s/.$//'

Answer 1

我不明白你的尝试（为什么X-Delete-At，为什么Object:，你想如何处理丢失的字段？），所以我建议一个sed唯一的解决方案：

sed -nE '/Expires:/{s/: [^,]*,/:/;s/0([0-9]{4})/\1_/}
  /store/!{H;$!d;}
  x;s/.*store: ([[:alnum:]]*)[^>]*[> ]*(Delete: ([[:alnum:]]*)[^>]*[> ]*)*(Expires: ([^_]*))*.*/\1,\3,\5/p
  $!d
  x;s/.*store: ([[:alnum:]]*).*/\1,,/p' /tmp/list.txt

这个想法是收集保留空间中的字段直到下一store:行，然后x更改缓冲区，因此下一store:行已经在缓冲区中，并且可以格式化收集的字段以进行输出。

诀窍在于复杂的正则表达式。可选字段放在 里面()*，因此它们可以出现任意多次。如果它们根本不出现，整个正则表达式仍然匹配。

为了吃掉垃圾而不吃掉可选字段，我确实选择了[^>]*而不是.*使用以 开头的行>。

第一行用于重新格式化日期。最后两行处理文件以store:行结尾的情况。