Làm cách nào để sử dụng sed / grep để trích xuất văn bản giữa hai từ?

Tôi đang cố gắng xuất ra một chuỗi chứa mọi thứ giữa hai từ của một chuỗi:

đầu vào:

"Here is a String"

đầu ra:

"is a"

Sử dụng:

sed -n '/Here/,/String/p'

bao gồm các điểm cuối, nhưng tôi không muốn bao gồm chúng.

sed -e 's/Here\(.*\)String/\1/'

GNU grep cũng có thể hỗ trợ hướng nhìn tích cực & tiêu cực & nhìn lại: Đối với trường hợp của bạn, lệnh sẽ là:

echo "Here is a string" | grep -o -P '(?<=Here).*(?=string)'

Nếu có nhiều lần xuất hiện Herevà string, bạn có thể chọn xem bạn muốn khớp từ lần đầu tiên Herevà lần cuối stringhoặc kết hợp chúng riêng lẻ. Về mặt regex, nó được gọi là kết hợp tham lam (trường hợp thứ nhất) hoặc kết hợp không tham lam (trường hợp thứ hai)

$ echo 'Here is a string, and Here is another string.' | grep -oP '(?<=Here).*(?=string)' # Greedy match
 is a string, and Here is another 
$ echo 'Here is a string, and Here is another string.' | grep -oP '(?<=Here).*?(?=string)' # Non-greedy match (Notice the '?' after '*' in .*)
 is a 
 is another 

Câu trả lời được chấp nhận không xóa văn bản có thể trước Herehoặc sau String. Điều này sẽ:

sed -e 's/.*Here\(.*\)String.*/\1/'

Sự khác biệt chính là việc bổ sung .*ngay trước Herevà sau String.

Bạn có thể tách chuỗi trong Bash một mình:

$ foo="Here is a String"
$ foo=${foo##*Here }
$ echo "$foo"
is a String
$ foo=${foo%% String*}
$ echo "$foo"
is a
$

Và nếu bạn có một GNU grep bao gồm PCRE , bạn có thể sử dụng xác nhận độ rộng bằng không:

$ echo "Here is a String" | grep -Po '(?<=(Here )).*(?= String)'
is a

Thông qua GNU awk

$ echo "Here is a string" | awk -v FS="(Here|string)" '{print $2}'
 is a 

grep với tham số -P( perl-regapi ) hỗ trợ \K, giúp loại bỏ các ký tự trùng khớp trước đó. Trong trường hợp của chúng tôi, chuỗi khớp trước đó là Heredo nó bị loại khỏi đầu ra cuối cùng.

$ echo "Here is a string" | grep -oP 'Here\K.*(?=string)'
 is a 
$ echo "Here is a string" | grep -oP 'Here\K(?:(?!string).)*'
 is a 

Nếu bạn muốn đầu ra là is athì bạn có thể thử dưới đây,

$ echo "Here is a string" | grep -oP 'Here\s*\K.*(?=\s+string)'
is a
$ echo "Here is a string" | grep -oP 'Here\s*\K(?:(?!\s+string).)*'
is a

Nếu bạn có một tệp dài với nhiều dòng đa dòng, thì việc in các dòng số đầu tiên là rất hữu ích:

cat -n file | sed -n '/Here/,/String/p'

Điều này có thể làm việc cho bạn (GNU sed):

sed '/Here/!d;s//&\n/;s/.*\n//;:a;/String/bb;$!{n;ba};:b;s//\n&/;P;D' file 

Điều này trình bày mỗi đại diện của văn bản giữa hai điểm đánh dấu (trong trường hợp này Herevà String) trên một dòng mới và bảo tồn các dòng mới trong văn bản.

Tất cả các giải pháp trên đều có thiếu sót trong đó chuỗi tìm kiếm cuối cùng được lặp lại ở nơi khác trong chuỗi. Tôi thấy tốt nhất để viết một hàm bash.

    function str_str {
      local str
      str="${1#*${2}}"
      str="${str%%$3*}"
      echo -n "$str"
    }

    # test it ...
    mystr="this is a string"
    str_str "$mystr" "this " " string"

Bạn có thể sử dụng hai lệnh s

$ echo "Here is a String" | sed 's/.*Here//; s/String.*//'
 is a 

Cũng hoạt động

$ echo "Here is a StringHere is a String" | sed 's/.*Here//; s/String.*//'
 is a

$ echo "Here is a StringHere is a StringHere is a StringHere is a String" | sed 's/.*Here//; s/String.*//'
 is a 

Để hiểu sedlệnh, chúng ta phải xây dựng nó từng bước.

Đây là văn bản gốc của bạn

user@linux:~$ echo "Here is a String"
Here is a String
user@linux:~$ 

Hãy thử xóa Herechuỗi với stùy chọn ubstition trongsed

user@linux:~$ echo "Here is a String" | sed 's/Here //'
is a String
user@linux:~$ 

Tại thời điểm này, tôi tin rằng bạn sẽ có thể để loại bỏ Stringcũng

user@linux:~$ echo "Here is a String" | sed 's/String//'
Here is a
user@linux:~$ 

Nhưng đây không phải là đầu ra mong muốn của bạn.

Để kết hợp hai lệnh sed, sử dụng -etùy chọn

user@linux:~$ echo "Here is a String" | sed -e 's/Here //' -e 's/String//'
is a
user@linux:~$ 

Hi vọng điêu nay co ich

Bạn có thể sử dụng \1(tham khảo http://www.grymoire.com/Unix/Sed.html#uh-4 ):

echo "Hello is a String" | sed 's/Hello\(.*\)String/\1/g'

Các nội dung bên trong ngoặc sẽ được lưu trữ dưới dạng \1.

Vấn đề. Các thư Claws Mail được lưu trữ của tôi được gói như sau và tôi đang cố trích xuất các dòng Chủ đề:

Subject: [SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key molecular
 link in major cell growth pathway: Findings point to new potential
 therapeutic target in pancreatic cancer [mTORC1 Activator SLC38A9 Is
 Required to Efflux Essential Amino Acids from Lysosomes and Use Protein as
 a Nutrient] [Re: Nutrient sensor in key growth-regulating metabolic pathway
 identified [Lysosomal amino acid transporter SLC38A9 signals arginine
 sufficiency to mTORC1]]
Message-ID: <20171019190902.18741771@VictoriasJourney.com>

Mỗi A2 trong chủ đề này, Làm thế nào để sử dụng sed / grep để trích xuất văn bản giữa hai từ? biểu thức đầu tiên, bên dưới, "hoạt động" miễn là văn bản phù hợp không chứa dòng mới:

grep -o -P '(?<=Subject: ).*(?=molecular)' corpus/01

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key

Tuy nhiên, mặc dù đã thử rất nhiều biến thể ( .+?; /s; ...), tôi không thể làm cho chúng hoạt động:

grep -o -P '(?<=Subject: ).*(?=link)' corpus/01
grep -o -P '(?<=Subject: ).*(?=therapeutic)' corpus/01
etc.

Giải pháp 1.

Mỗi trích xuất văn bản giữa hai chuỗi trên các dòng khác nhau

sed -n '/Subject: /{:a;N;/Message-ID:/!ba; s/\n/ /g; s/\s\s*/ /g; s/.*Subject: \|Message-ID:.*//g;p}' corpus/01

cái nào cho

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key molecular link in major cell growth pathway: Findings point to new potential therapeutic target in pancreatic cancer [mTORC1 Activator SLC38A9 Is Required to Efflux Essential Amino Acids from Lysosomes and Use Protein as a Nutrient] [Re: Nutrient sensor in key growth-regulating metabolic pathway identified [Lysosomal amino acid transporter SLC38A9 signals arginine sufficiency to mTORC1]]                              

Giải pháp 2. *

Per Làm cách nào tôi có thể thay thế một dòng mới (\ n) bằng sed?

sed ':a;N;$!ba;s/\n/ /g' corpus/01

sẽ thay thế dòng mới bằng một không gian.

Xâu chuỗi với A2 trong Cách sử dụng sed / grep để trích xuất văn bản giữa hai từ? , chúng tôi nhận được:

sed ':a;N;$!ba;s/\n/ /g' corpus/01 | grep -o -P '(?<=Subject: ).*(?=Message-ID:)'

cái nào cho

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key molecular  link in major cell growth pathway: Findings point to new potential  therapeutic target in pancreatic cancer [mTORC1 Activator SLC38A9 Is  Required to Efflux Essential Amino Acids from Lysosomes and Use Protein as  a Nutrient] [Re: Nutrient sensor in key growth-regulating metabolic pathway  identified [Lysosomal amino acid transporter SLC38A9 signals arginine  sufficiency to mTORC1]] 

Biến thể này loại bỏ khoảng trắng kép:

sed ':a;N;$!ba;s/\n/ /g; s/\s\s*/ /g' corpus/01 | grep -o -P '(?<=Subject: ).*(?=Message-ID:)'

cho

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key molecular link in major cell growth pathway: Findings point to new potential therapeutic target in pancreatic cancer [mTORC1 Activator SLC38A9 Is Required to Efflux Essential Amino Acids from Lysosomes and Use Protein as a Nutrient] [Re: Nutrient sensor in key growth-regulating metabolic pathway identified [Lysosomal amino acid transporter SLC38A9 signals arginine sufficiency to mTORC1]]