☰

文本处理 - 查找给定单词之前/之后的文本

tag-icon • tag-icon text-processing
文本处理 - 查找给定单词之前/之后的文本

我想提取文件之间Station Name和Data End文件的内容：

用于澄清的文本文件结构：

---- Huge text -- not interested
Station Name 
100 - 200 lines
Data End
---- Again text ---

我如何轻松提取数据？

一般来说，我们如何找到特定部分的数据，然后对其进行处理（删除/替换...等），即在特定单词之前？或者在特定单词之后？或者他们之间？

所需输出

情况1：从开始到给定的单词/模式
案例2：2 个给定单词/模式之间
案例3：从给定的单词/模式到文件末尾。

答案1

sed '/Station Name/,$!d; /Data End/q'

即删除除包含“站名”的第一行和最后一行 ($) 之外的任何行。然后，对于那些已转义命令的行d，如果它与“Data End”匹配，则退出（但在退出之前打印它）。

因此，它会打印第一次出现的“Station Name”和此后第一次出现的“Data End”之间的行（包括是否与“Data End”在同一行）。

现在，如果要忽略边界，那就更复杂了。

sed -ne '1,/Station Name/d; /Data End/!{p;n;}' -e q

除非“站名”位于第一行或与“数据结束”位于同一行，否则将有效。某些sed实现允许您引用0行范围内的行，但这不可移植。不过也有解决办法。请参阅 sed 常见问题解答。

如果您想查找第一次出现的“Station Name”和“Station Name”之间的文本，情况会变得更加复杂。最后的出现“数据结束”，因为在这种情况下，您永远无法确定在到达文件末尾之前是否到达了最后一个“数据结束”。 sed 需要保留看到“数据结束”后看到的行，直到文件结束或下一次出现“数据结束”，并且因为 POSIX 不要求 sed 实现能够保留超过 10 行的输入，它不能便携式地完成，sed因此您需要使用其他工具，如 perl 或 awk 或对文件进行多次传递。

答案2

使用乐（以前称为 Perl_6）

输出文件从启动到（不包括）“哨兵”行的所有行：

~$ raku -e 'my Str $K1 = "Station Name"; put slurp.split($K1)[0];'   file
---- Huge text -- not interested

#OR:

~$ raku -ne 'BEGIN my @a; @a.push: $_ unless /Station \s Name/ && last; END .put for @a;'   file
---- Huge text -- not interested 

#OR:

~$ raku -ne '.put unless /Station \s Name/ fff *;'   file
---- Huge text -- not interested

两条“哨兵”线之间（并包括）的输出线（注意 - 将过滤入满足此“起始线/终止线”模式的多个记录）：

~$ raku -ne '.put if  /Station \s Name/ fff /Data \s End/;'  file  
Station Name 
100 - 200 lines
Data End

将文件的所有行从（不包括）“哨兵”行输出到文件末尾：

~$ raku -e 'my Str $K2 = "Data End\n"; put slurp.split($K2, 2)[1];'   file 
---- Again text --- 

#OR:

~$ raku -ne '.put if /Data \s End/ ^fff *;'   file
---- Again text ---

注意：Raku 的/ … / fff / … /“触发器”运算符有多个选项，以及附加的^fff、fff^和^fff^变体运算符。插入^符号表示已识别的行不会出现在返回值中（除非语句被否定）。

输入示例：

---- Huge text -- not interested
Station Name 
100 - 200 lines
Data End
---- Again text ---

https://docs.raku.org/language/operators#infix_fff
https://raku.org

相关内容