「--」で区切られたテキスト行(「段落」)を印刷するプログラムがあります。たとえば、印刷できます。
--
are you happy
--
I am hungry
are you
--
are(you hungry
too
私はこれを別のプログラム(おそらくsed?)にパイプし、与えられた単語(例えば「are」)で始まる段落だけを返したいと思います。したがって、上記の場合、「are」で始まる段落を取得すると、次のような結果が得られます。
--
are you happy
--
are(you hungry
too
プログラムは非常に多数の「段落」を印刷しますが、小さな部分だけが一致すると予想しています。これがプログラムの出力をストリーミング方式でフィルタリングできるようにしたい理由です(すべてを1つで書くのを避けるため)。大きなファイルをフィルタリングしてからフィルタリングしてください。
答え1
AWK
GNU awkまたはmawkの使用:
$ awk '$1~"^"word{printf("--\n%s",$0)}' word='are' RS='--\n' infile
--
are you happy
--
are(you hungry
too
これは、変数の単語をレコードの先頭で一致させる単語に設定し、レコード区切り記号(RS)を「--」に設定し、新しい行を追加します\n
。次に、()に一致する単語で始まるレコードにフォーマットされた$1~"^"word
レコードを印刷します。形式は、「--」で始まり、見つかった正確なレコードを含む新しい行を持つことです。
グレブ
(GNUオプション-z
)grepを使用してください。
grep -Pz -- '--\nare(?:[^\n]*\n)+?(?=--|\Z)' infile
grep -Pz -- '(?s)--\nare.*?(?=\n--|\Z)\n' infile
grep -Pz -- '(?s)--\nare(?:(?!\n--).)*\n' infile
説明次の説明では、PCREオプションを(?x)
使用して、実際の(動作する)正規表現と共に(大きな)説明コメント(およびスペース)をインラインで追加します。コメント(およびほとんどのスペース)(次の改行まで)が削除された場合、結果の文字列はまだ同じ正規表現です。これにより、作業コードの正規表現の詳細な説明が可能になります。これにより、コードのメンテナンスが容易になります。
オプション1正規表現 (?x)--\nare(?:[^\n]*\n)+?(?=--|\Z)
(?x) # match the remainder of the pattern with the following
# effective flags: x
# x modifier: extended. Spaces and text after a #
# in the pattern are ignored
-- # matches the characters -- literally (case sensitive)
\n # matches a line-feed (newline) character (ASCII 10)
are # matches the characters are literally (case sensitive)
(?: # Non-Capturing Group (?:[^\n]*\n)+?
[^\n] # matches non-newline characters
* # Quantifier — Matches between zero and unlimited times, as
# many times as possible, giving back as needed (greedy)
\n # matches a line-feed (newline) character (ASCII 10)
) # Close the Non-Capturing Group
+? # Quantifier — Matches between one and unlimited times, as
# few times as possible, expanding as needed (lazy)
# A repeated capturing group will only capture the last iteration.
# Put a capturing group around the repeated group to capture all
# iterations or use a non-capturing group instead if you're not
# interested in the data
(?= # Positive Lookahead (?=--|\Z)
# Assert that the Regex below matches
# 1st Alternative --
-- # matches the characters -- literally (case sensitive)
| # 2nd Alternative \Z
\Z # \Z asserts position at the end of the string, or before
# the line terminator right at the end of the
# string (if any)
) # Closing the lookahead.
オプション2正規表現 (?sx)--\nare.*?(?=\n--|\Z)\n
(?sx) # match the remainder of the pattern with the following eff. flags: sx
# s modifier: single line. Dot matches newline characters
# x modifier: extended. Spaces and text after a # in
# the pattern are ignored
-- # matches the characters -- literally (case sensitive)
\n # matches a line-feed (newline) character (ASCII 10)
are # matches the characters are literally (case sensitive)
.*? # matches any character
# Quantifier — Matches between zero and unlimited times,
# as few times as possible, expanding as needed (lazy).
(?= # Positive Lookahead (?=\n--|\Z)
# Assert that the Regex below matches
# 1st Alternative \n--
\n # matches a line-feed (newline) character (ASCII 10)
-- # matches the characters -- literally.
| # 2nd Alternative \Z
\Z # \Z asserts position at the end of the string, or
# before the line terminator right at
# the end of the string (if any)
) # Close the lookahead parenthesis.
\n # matches a line-feed (newline) character (ASCII 10)
オプション3正規表現 (?xs)--\nare(?:(?!\n--).)*\n
(?xs) # match the remainder of the pattern with the following eff. flags: xs
# modifier x : extended. Spaces and text after a # in are ignored
# modifier s : single line. Dot matches newline characters
-- # matches the characters -- literally (case sensitive)
\n # matches a line-feed (newline) character (ASCII 10)
are # matches the characters are literally (case sensitive)
(?: # Non-capturing group (?:(?!\n--).)
(?! # Negative Lookahead (?!\n--)
# Assert that the Regex below does not match
\n # matches a line-feed (newline) character (ASCII 10)
-- # matches the characters -- literally
) # Close Negative lookahead
. # matches any character
) # Close the Non-Capturing group.
* # Quantifier — Matches between zero and unlimited times, as many
# times as possible, giving back as needed (greedy)
\n # matches a line-feed (newline) character (ASCII 10)
sed
$ sed -nEe 'bend
:start ;N;/^--\nare/!b
:loop ;/^--$/!{p;n;bloop}
:end ;/^--$/bstart' infile
答え2
GNUを使用するawk
か、次のようにしますmawk
。
$ awk -v word="are" -v RS='--\n' -v ORS='--\n' '$1 ~ "^" word "[[:punct:]]?"' file
are you happy
--
are(you hungry
too
--
入力と出力のレコード区切り記号--
と改行文字を設定します。各段落の最初の単語はで確認できます$1
。私たちはそれを与えられた単語と一致させます(句読点が続くかもしれません)。一致した場合、段落を印刷します。
出力のショートマークは、出力で使用したように、各段落の始まりではなく終点に配置されますORS
。
sed
スクリプトの使用:
:top
/^--/!d; # This is not a new paragraph, delete
N; # Append next line
/^--\nare[[:punct:]]?/!d; # This is not a paragraph we want, delete
:record
n; # Output line, get next
/^--/!brecord; # Not yet done with this record, branch to :record
btop; # Branch to :top
ランニング:
$ sed -E -f script.sed file
--
are you happy
--
are(you hungry
too
または、シェル変数を使用して1行のコードとして使用します$word
。
sed -E -e ':t;/^--/!d;N;' \
-e "/^--\n$word[[:punct:]]?/!d" \
-e ':r;n;/^--/!br;bt' file
答え3
私も知っています、これは古い質問ですが、これらすべてのループ、分岐、パターンがジャグリングされるのを見ると簡単です
sed '/^--$/!{H;$!d;};x;/^--\nare/!d'
自然な方法で同じことを行います。
sed
行単位のフローエディタなので、複数行の内容が必要な場合は、段落H
マーク(^--$
)の予約済みスペースにその行を収集し、x
バッファを変更して段落が印刷されるかどうかをテストします(1行の後に^--\nare
1行があることを意味します)。--
出発線でare
)。x
段落タグ予約スペースはすでにプリロードされています。
拡張機能を含むGNUツールも必要なく、プログラミング技術も必要ありません。ただ参加するだけですsed
。
答え4
あなたの質問を読んだ後も同じ気持ちになります。しなければならないgrep
+を使って解決できます。PCRE。
- @issacの助けのおかげで、方法#1はこの問題を解決しました。
(?s)
方法#2は、インライン修飾子()と予測()を使用する方法を示しています?!...
。- 私の元の解決策(#3)は、以下のセクションで強調したタイプを除いて、ほとんどの場合うまく機能します。
グレブ方法 #1
$ grep -Pzo -- '--\nare([^\n]*\n)+?(?=--|\Z)' afile
どのように動作しますか?
グレブスイッチ-P
- PCRE拡張を有効にする-z
- 入力を複数行として処理し、代わりにNULを使用してください\n
(改行文字)-o
- 一致する項目のみを表示
--\nare([^\n]*\n)+?(?=--|\Z)
- 二重ダッシュとそのあとに 1 つ
are
、次に 0 つ以上の改行ではなく、連続または改行文字と一致します。 +?
1以上と一致しますが、欲が多くないため、積極的に続行しません。- 最後に、
(?=--|\Z)
ブロックエンドガードは次のダブルダッシュ--
またはファイルの終わり(\Z
)を探します。
- 二重ダッシュとそのあとに 1 つ
グレブ方法 #2
このメソッドは、DOTALLインライン修飾子を使用して.
改行( `n`)を一致させます。
$ grep -Pzo -- '(?s)--\nare((?!\n--).)+\n' afile
どのように動作しますか?
グレブスイッチ-P
- PCRE拡張を有効にする-z
- 入力を複数行として処理し、代わりにNULを使用してください\n
(改行文字)-o
- 一致する項目のみを表示
(?s)
- インライン修飾子DOTALL - すべての点が改行と一致します。--\nare
- 改行文字の後に続く文字と一致します。are
((?!\n--).)+\n
.
- 順方向検索で。文字が(?!\n--)
見つからない限り\n--
一致します。完全一致ブロックには、+
改行文字が続く1つ以上の()が必要です\n
。
grep 方法 #3(原本)
grep
PCRE拡張()を活用した-P
ソリューションです。この方法は提供されたすべての例で機能しますが、次の例では失敗します。
--
are
some-other-dasher
ただし、ほとんどの場合、これを処理する必要があると想像できます。
$ grep -Pzo -- '--\nare[^\r\n]+[^-]+' afile
--
are you happy
--
are(you hungry
too
どのように動作しますか?
グレブスイッチ-P
- PCRE拡張を有効にする-z
- 入力を複数行として処理し、代わりにNULを使用してください\n
(改行文字)-o
- 一致する項目のみを表示
'--\nare[^\r\n]+[^-]+'
- 改行文字と単語が続く二重ダッシュと一致します
are
。 are
次に、改行文字に会うまで残りの行を印刷し続けます。- 次に、一連のダッシュが表示されるまで文字を印刷します。
- 改行文字と単語が続く二重ダッシュと一致します