バス路線PDFファイルからイタリア語の単語「ANDDATA」の前のテキストを削除しようとしています。私はこれを使用しています
pdftotext "file.pdf" - | sed -r "s/^.*ANDATA//g"
しかし、これはうまくいきません。 「ANDDATA」という単語だけが削除されます。私もすべての改行を削除してから
pdftotext "file.pdf" - sed -r "s/\s//g" | sed -r "s/^.*ANDATA//g"
改行文字はありませんが、まだ機能しません。
どうすればいいですか?
編集2 ANDATAという単語がテキストに複数回表示されますが、最初の項目の前にあるものだけを削除したいと思います。
編集する
入力する
PIAZZA OBERDAN - UNIVERSITA' - S.CILINO STR. NUOVA PER OPICINA - OPICINA VILLA CARSIA - CAMPO ROMANO - VILLA CARSIA L’orario è passibile di variazioni per esigenze contingenti TRIESTE TRASPORTI S.p.A. Via dei Lavoratori, 2 Numero Verde: 800-016675 LINEA 4 FERIALE LUNEDI' - VENERDI' ANDATA VILLA CARSIA OPICINA VIA CANTU' PIAZZA OBERDAN PIAZZA TOMMASEO PROSECCO DEVINCINA 5:10 5:15 | 5:35 | | 5:30 5:35 | 5:55 | | 6:00 6:05 | 6:25 | | 6:15 6:20 | 6:40 | | 6:30 6:35 | 6:55 | | 6:45 6:50 | 7:10 | | 6:55 7:00 | 7:20 | | 7:10 7:15 | 7:35 | | 7:20 7:25 | 7:45 | | 7:30 7:35 | 7:55 | | 7:45 7:50 | 8:10 | | 8:00 8:05 | 8:25 | | 8:25 8:30 | 8:50 | | 8:50 8:55 | 9:15 (etc..)
出力(私の正規表現を使用)
PIAZZA OBERDAN - UNIVERSITA' - S.CILINO STR. NUOVA PER OPICINA - OPICINA VILLA CARSIA - CAMPO ROMANO - VILLA CARSIA L’orario è passibile di variazioni per esigenze contingenti TRIESTE TRASPORTI S.p.A. Via dei Lavoratori, 2 Numero Verde: 800-016675 LINEA 4 FERIALE LUNEDI' - VENERDI' VILLA CARSIA OPICINA VIA CANTU' PIAZZA OBERDAN PIAZZA TOMMASEO PROSECCO DEVINCINA 5:10 5:15 | 5:35 | | 5:30 5:35 | 5:55 | | 6:00 6:05 | 6:25 | | 6:15 6:20 | 6:40 | | 6:30 6:35 | 6:55 | | 6:45 6:50 | 7:10 | | 6:55 7:00 | 7:20 | | 7:10 7:15 | 7:35 | | 7:20 7:25 | 7:45 | | 7:30 7:35 | 7:55 | | 7:45 7:50 | 8:10 | | 8:00 8:05 | 8:25 | | 8:25 8:30 | 8:50 | | 8:50 8:55 | 9:15 (etc)
編集3
希望の出力
VILLA CARSIA OPICINA VIA CANTU' PIAZZA OBERDAN PIAZZA TOMMASEO PROSECCO DEVINCINA 5:10 5:15 | 5:35 | | 5:30 5:35 | 5:55 | | 6:00 6:05 | 6:25 | | 6:15 6:20 | 6:40 | | 6:30 6:35 | 6:55 | | 6:45 6:50 | 7:10 | | 6:55 7:00 | 7:20 | | 7:10 7:15 | 7:35 | | 7:20 7:25 | 7:45 | | 7:30 7:35 | 7:55 | | 7:45 7:50 | 8:10 | | 8:00 8:05 | 8:25 | | 8:25 8:30 | 8:50 | | 8:50 8:55 | 9:15 (etc..)
答え1
このコマンドを試してください。
pdftotext "file.pdf" -|tr -d '\n'|sed -r 's/^.*ANDATA/ANDATA/'
ANDATAという単語の前のテキストを削除します。