主页 / unix / 问题 / 449039
Accepted
Adrian Maire
Asked: 2018-06-11 23:41:51 +0800 CST

在文件中搜索多行正则表达式的匹配（没有 pcregrep）

  • 772

问题：

在没有 pcregrep 的情况下，如何在文件中找到多行正则表达式的匹配项？

我需要查找/打印每次出现的位置。

不幸的是，pcgrep 不存在，我无权安装它。其他选择是grep perl sed python等。

要搜索的正则表达式示例如下：

Text\nLine

语境：

一个脚本在几十个文件中提供了数百 MB 的结构化文本，但遗憾的是缺少一些行（由于多种原因）。我确实需要检查这些行在哪里丢失，从而搜索前一行和下一行的顺序。

Text
Missing //this line is sometimes missing.
Line

编辑：

可能的输入

例子.txt

Text
Missing
Line

Text
Missing
Line

Text
Line

Text
Missing
Line

可能的输出：

example.txt，第 10 行

一些没有成功的尝试：

pcregrep 
    # command not found
apt-get install pcregrep 
    # no permission, no su credentials, distro don't provide pcregrep, outdated sources, customer does not want changes on the serve, etc.
sed -r 's#(Text\nLine)#\1#' ./* 
    # print all lines, not only matches, no indication of file or line, etc.
grep 'Text\nLine' ./* 
    # Does not works on multi-lines
sed -n '/Text/,/Line/{p}' ./* 
    # Not the same regex, does not indicate result lines, etc.
text-processing regular-expression

3 个回答

  1. Best Answer

    Unix 工具通常是面向行的，因此无法使用标准工具箱在多行输入上应用正则表达式。

    sed可以以能够检测到您正在查找的行的方式处理文件，但我们严格使用对各个行的操作来执行此操作：

    $ sed -n '/^Text/{N;/^Text\nLine/=;D;}' file
10

    该脚本在行sed首查找字符串。Text找到后，它将下一行附加到其缓冲区，中间有一个\n。

    如果缓冲区现在匹配，则使用 in 中的命令^Text\nLine输出当前行号。输出的行号是文件中的行号。=sedLine

    请注意，虽然第二个正则表达式似乎与文件中的换行符匹配，但事实并非如此。它匹配其内部缓冲区中的换行符，N当我们从文件中读取下一行时，我们使用命令将其放置在那里。

    如果要将其应用于多个文件，您可能会在循环中使用它：

    for name in pattern; do
    printf 'Processing %s...\n' "$name"
    sed -n '/^Text/{N;/^Text\nLine/=;D;}' "$name"
done

    wherepattern将是与您感兴趣的文件匹配的普通文件名通配模式。

    • 2

  2. 如果vim已安装，您可以在ex以下模式下使用它：

    vim -e -s -c 'argdo g/^Text\nLine/#' -c q ./*.txt

    另请参阅z提供上下文的命令。

    vim -e -s -c 'argdo g/^Text\nLine/z#.5' -c q ./*.txt

    但这不会打印文件名。一种不太有效perl的方法可能是：

    perl -l -0777 -ne 'while (/Text\nLine/g) {
   print "$ARGV, line " . ++(() = $` =~ /\n/g)}' ./*.txt
    • 1 
  3.  perl -ne 'eof and $. = 0 or /^Text/ && ($_ .= <>) =~ /^Line/m && print "$ARGV: $.\n"' ./*

    这将打印文件名以及发生匹配的行号。

    此外，行计数器 ($.) 在到达每个文件的 eof 时会重置。

    • 0

相关问题