Bagaimana cara menggunakan sed / grep untuk mengekstrak teks di antara dua kata?

Saya mencoba menampilkan string yang berisi segala sesuatu di antara dua kata string:

memasukkan:

"Here is a String"

keluaran:

"is a"

Menggunakan:

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

termasuk titik akhir, tetapi saya tidak ingin memasukkannya.

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

GNU grep juga dapat mendukung pandangan ke depan & belakang positif & negatif: Untuk kasus Anda, perintahnya adalah:

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

Jika ada beberapa kejadian Heredan string, Anda dapat memilih apakah Anda ingin mencocokkan dari yang pertama Heredan terakhir stringatau mencocokkannya satu per satu. Dalam hal regex, itu disebut sebagai pertandingan serakah (kasus pertama) atau pertandingan tidak serakah (kasus kedua)

$ 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 

Jawaban yang diterima tidak menghapus teks yang bisa sebelum Hereatau sesudah String. Ini akan:

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

Perbedaan utama adalah penambahan .*segera sebelum Heredan sesudah String.

Anda dapat menghapus string di Bash saja:

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

Dan jika Anda memiliki grep GNU yang mencakup PCRE , Anda dapat menggunakan pernyataan selebar nol:

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

Melalui GNU awk,

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

grep dengan dukungan parameter -P( perl-regexp ) \K, yang membantu membuang karakter yang sebelumnya cocok. Dalam kasus kami, string yang sebelumnya cocok Heresehingga dibuang dari hasil akhir.

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

Jika Anda ingin hasilnya menjadi is amaka Anda bisa mencoba di bawah ini,

$ 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

Jika Anda memiliki file panjang dengan banyak multi-line ocurrences, ada baiknya untuk terlebih dahulu mencetak baris-baris angka:

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

Ini mungkin bekerja untuk Anda (sed GNU):

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

Ini menyajikan setiap representasi teks antara dua penanda (dalam hal ini Heredan String) pada baris baru dan mempertahankan baris baru dalam teks.

Semua solusi di atas memiliki kekurangan di mana string pencarian terakhir diulang di tempat lain dalam string. Saya menemukan yang terbaik untuk menulis fungsi 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"

Anda dapat menggunakan perintah dua s

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

Juga berfungsi

$ 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 

Untuk memahami sedperintah, kita harus membangunnya langkah demi langkah.

Ini teks asli Anda

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

Mari kita coba hapus Herestring dengan sopsi ubstition dised

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

Pada titik ini, saya percaya Anda akan dapat menghapus Stringjuga

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

Tapi ini bukan output yang Anda inginkan.

Untuk menggabungkan dua perintah sed, gunakan -eopsi

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

Semoga ini membantu

Anda dapat menggunakan \1(lihat http://www.grymoire.com/Unix/Sed.html#uh-4 ):

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

Konten yang ada di dalam kurung akan disimpan sebagai \1.

Masalah. Pesan Claws Mail saya yang tersimpan dibungkus sebagai berikut, dan saya mencoba untuk mengekstrak baris Subjek:

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>

Per A2 di utas ini, Bagaimana cara menggunakan sed / grep untuk mengekstrak teks antara dua kata? ekspresi pertama, di bawah, "berfungsi" selama teks yang cocok tidak mengandung baris baru:

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

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key

Namun, walaupun telah mencoba banyak varian ( .+?; /s; ...), saya tidak bisa membuatnya berfungsi:

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

Solusi 1.

Per Ekstrak teks antara dua string pada baris yang berbeda

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

pemberian yang mana

[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]]                              

Solusi 2. *

Per Bagaimana saya bisa mengganti baris baru (\ n) menggunakan sed?

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

akan mengganti baris baru dengan spasi.

Chaining itu dengan A2 di Cara menggunakan sed / grep untuk mengekstrak teks antara dua kata? , kita mendapatkan:

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

pemberian yang mana

[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]] 

Varian ini menghilangkan spasi ganda:

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

memberi

[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]]