☰

使用正则表达式搜索单行文本文件

tag-icon • tag-icon command-line text-processing
使用正则表达式搜索单行文本文件

据我所知，所有 UNIX 文本处理实用程序都是一次读取一行并在这一行上执行一个操作。

我有一个巨大的文件，其中只有一行文本，其中包含我关心的几个标记。

您可以将文件的内容视为如下所示： xzxzxzzxzxAxzzBxzxCzxxzxxzxzzxzxzAzBzxxxxzzCzxzxzxzxzxxzz

我想为 A.*B.*C 的每次出现获取 (A 和 B) 和 (B 和 C) 之间的两个字符串。在这个例子中，我想要的输出是这样的：

xzxzx

zxxxxzz

我该怎么做呢？

编辑：抱歉，我没说清楚。 A、B、C 是长字符串，只能通过正则表达式识别。

答案1

我确信使用awk、perl、sed和其他方法可以得到很多有趣的答案。这是一个相当简单的选项，用于tr将这个问题转回我们知道如何解决的问题——在一行中查找模式：

 $ tr 'C' '\n' <test.file | sed -n 's/.*A\(.*\)B\(.*$\)/\1 \2/p'

该tr 'C' '\n'命令将输入​​中的任何“C”转换为换行符。因此，有必要将其通过管道传输到一个命令中，该命令将输出 A 和 B 之间以及 B 和行尾之间的文本。

如果 A、B 和 C 是正则表达式而不是简单字符，请尝试：

sed -e 's/C/\n/g' < test.file | sed -n 's/.*A\(.*\)B\(.*\)/\1 \2/p'

这使用相同的基本思想，但用于sed创建换行符。

答案2

awk概括了要记录的行的概念，可以用任何字符终止。几种实现方式，例如呆呆，支持任意正则表达式作为记录分隔符。未经测试：

gawk -vRS='C' 'sub(/.*A/, "") && sub(/B.*/) {print}'

答案3

如果该行可以装入内存，那么重复使用 Perl 中的 split 函数就可以了。否则，我将按块读取文件（使用 Perl sysread 函数）并按上述方式单独处理每个块 - 允许感兴趣的字符串跨越块边界。

相关内容