Как использовать sed/grep для извлечения текста между двумя словами?

Ответ 1

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

Ответ 2

Простой grep может также поддерживать положительный и отрицательный внешний вид и обратную сторону: Для вашего случая команда будет следующей:

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

Ответ 3

Вы можете разделить строки в Bash:

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

И если у вас есть GNU grep, включающий PCRE, вы можете использовать утверждение с нулевой шириной:

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

Ответ 4

Принятый ответ не удаляет текст, который может быть до Here или после String. Это будет:

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

Основное различие заключается в добавлении .* непосредственно перед Here и после String.

Ответ 5

Если у вас длинный файл со многими многострочными ошибками, полезно сначала напечатать числовые строки:

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

Ответ 6

Через GNU awk,

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

grep с параметром -P (perl-regexp) поддерживает \K, что помогает отбрасывать ранее согласованные символы. В нашем случае ранее подобранная строка была Here, поэтому она была отброшена из окончательного вывода.

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

Если вы хотите, чтобы результат был is a, вы можете попробовать следующее:

$ 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

Ответ 7

Это может сработать для вас (GNU sed):

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

Здесь представлено каждое представление текста между двумя маркерами (в этом случае Here и String) в новой строке и сохраняет символы новой строки в тексте.

Ответ 8

Все приведенные выше решения имеют недостатки, в которых последняя строка поиска повторяется в другом месте строки. Мне было лучше написать функцию 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"

Ответ 9

Вы можете использовать \1 (см. http://www.grymoire.com/Unix/Sed.html#uh-4):

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

Содержимое, находящееся внутри скобок, будет храниться как \1.

Ответ 10

Проблема. Мои сохраненные сообщения Claws Mail завернуты следующим образом, и я пытаюсь извлечь строки Subject:

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: <[email protected]>

Per A2 в этом потоке, Как использовать sed/grep для извлечения текста между двумя словами? первое выражение, ниже, "работает", если совпадающее текст не содержит символа новой строки:

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

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key

Однако, несмотря на многочисленные варианты (.+?; /s; ...), я не мог заставить их работать:

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

Решение 1.

Per Извлечь текст между двумя строками в разных строках

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

который дает

[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]]                              

Решение 2. *

Per Как заменить новую строку (\n) с помощью sed?

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

заменит новые строки пробелом.

Цепочка с A2 в Как использовать sed/grep для извлечения текста между двумя словами?, получаем:

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

который дает

[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]] 

Этот вариант удаляет двойные пробелы:

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

дает

[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]]