Início / unix / Perguntas / 765094
Accepted
Smeterlink
Asked: 2023-12-18 15:55:57 +0800 CST

Extraia o conteúdo entre a primeira correspondência e a primeira correspondência diferente em uma ou várias linhas

  • 772

Digamos que eu queira obter o texto entre a primeira correspondência de "start_" e a primeira de "_end", não importa se está na mesma ou em várias linhas. Não inclua as partidas.

Texto de exemplo 1:

This is a start_text with start_and some_end text with_end

fora do texto 1:

text with start_and some

Texto de exemplo 2:

This is a
start_text with
start_and some_end
text with_end

texto 2:

text with
start_and some

Já vi muitas respostas, mas elas são focadas em linhas e não em arquivos. Qualquer tipo de ferramenta ou comando serve, desde que seja baseado em console.

line

1 respostas

  1. Best Answer

    Com perl:

    $ perl -l -0777ne 'print $1 while /start_(.*?)_end/gs' your-example-2
text with
start_and some
    • perl -né o sed -nmodo em que a expressão fornecida eé executada para cada linha da entrada, como em sed.
    • -lé para que um novo line seja automaticamente anexado ao printing¹
    • -<octal-number>define o separador de registros como o byte com o valor fornecido em vez de nova linha. 0777(511) ou qualquer coisa acima de 0377 (255) é um valor de byte que não pode existir, portanto, haverá um único registro: o arquivo inteiro.
    • *?like *corresponde a 0 ou mais do átomo anterior (aqui, .que corresponde a qualquer caractere único), mas enquanto *corresponde ao maior número possível, *?corresponde ao menor número possível, de modo que .*?será executado até a primeira ocorrência de _end, não a última.
    • o ssinalizador para o /regexp/operador de correspondência de padrões é necessário para .corresponder também aos caracteres de nova linha, o que não acontece por padrão.

    Você também deve poder usar pcregrep, mas acho (com a versão 8.39 2016-06-14 do Debian) que ele fornece:

    $ pcregrep -Mo1 '(?s)start_(.*?)_end' your-example-2
text with
start_and some
and some

    O que não consigo explicar. pcre2grep(versão 10.42 2022-12-11) está OK:

    $ pcre2grep -Mo1 '(?s)start_(.*?)_end' your-example-2
text with
start_and some

    ¹ Tecnicamente, isso faz com que o separador de registros seja removido da entrada antes de armazená-lo $_ e o separador de registros de saída ( $\) seja definido como o mesmo que o separador de registros de entrada ( $/) que naquele ponto ainda é uma nova linha, por isso é importante que isso -lvenha antes do -0.... Cuidado, pois -l<octal>define o separador de registro de saída para o valor de byte fornecido, portanto, é diferente de -l -<octal>.

    • 3

relate perguntas