Wie verwende ich sed / grep, um Text zwischen zwei Wörtern zu extrahieren?

Ich versuche, eine Zeichenfolge auszugeben, die alles zwischen zwei Wörtern einer Zeichenfolge enthält:

Eingang:

"Here is a String"

Ausgabe:

"is a"

Verwenden von:

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

enthält die Endpunkte, aber ich möchte sie nicht einschließen.

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

GNU grep kann auch positive und negative Vorausschau und Rückschau unterstützen: Für Ihren Fall wäre der Befehl:

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

Wenn es mehrere Vorkommen von Hereund gibt string, können Sie auswählen, ob Sie zwischen dem ersten Hereund dem letzten stringübereinstimmen möchten oder ob Sie sie einzeln abgleichen möchten . In Bezug auf Regex wird es als gieriges Match (erster Fall) oder nicht gieriges Match (zweiter Fall) bezeichnet.

$ 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 

Die akzeptierte Antwort entfernt keinen Text, der vorher Hereoder nachher sein könnte String. Dieser Wille:

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

Der Hauptunterschied ist die Zugabe von .*unmittelbar davor Hereund danach String.

Sie können Strings nur in Bash entfernen:

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

Und wenn Sie ein GNU-Grep haben, das PCRE enthält , können Sie eine Zusicherung mit einer Breite von Null verwenden:

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

Durch GNU awk,

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

grep mit -P( perl-regexp ) -Parameterunterstützung \K, die beim Verwerfen der zuvor übereinstimmenden Zeichen hilft. In unserem Fall war die zuvor übereinstimmende Zeichenfolge Hereso, dass sie aus der endgültigen Ausgabe verworfen wurde.

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

Wenn Sie möchten, dass die Ausgabe erfolgt, können is aSie Folgendes versuchen:

$ 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

Wenn Sie eine lange Datei mit vielen mehrzeiligen Vorkommen haben, ist es hilfreich, zuerst Zahlenzeilen zu drucken:

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

Dies könnte für Sie funktionieren (GNU sed):

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

Dadurch wird jede Darstellung von Text zwischen zwei Markierungen (in diesem Fall Hereund String) in einer neuen Zeile dargestellt und die neuen Zeilen im Text bleiben erhalten.

Alle oben genannten Lösungen weisen Mängel auf, bei denen die letzte Suchzeichenfolge an anderer Stelle in der Zeichenfolge wiederholt wird. Ich fand es am besten, eine Bash-Funktion zu schreiben.

    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"

Sie können zwei s-Befehle verwenden

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

Funktioniert auch

$ 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 

Verstehen sed Befehl , müssen wir ihn Schritt für Schritt erstellen.

Hier ist Ihr Originaltext

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

Versuchen wir, einen HereString mit der sOption ubstition in zu entfernensed

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

An diesem Punkt, ich glaube , Sie wäre in der Lage sein , zu entfernen Stringund

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

Dies ist jedoch nicht die gewünschte Ausgabe.

Verwenden Sie die -eOption, um zwei sed-Befehle zu kombinieren

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

Hoffe das hilft

Sie können verwenden \1(siehe http://www.grymoire.com/Unix/Sed.html#uh-4 ):

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

Der Inhalt in den Klammern wird als gespeichert \1.

Problem. Meine gespeicherten Claws Mail-Nachrichten werden wie folgt verpackt, und ich versuche, die Betreffzeilen zu extrahieren:

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>

Gemäß A2 in diesem Thread: Wie kann man mit sed / grep Text zwischen zwei Wörtern extrahieren? Der erste Ausdruck unten "funktioniert", solange der übereinstimmende Text keine neue Zeile enthält:

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

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key

Trotz zahlreicher Varianten ( .+?; /s; ...) konnte ich diese jedoch nicht zum Laufen bringen:

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

Lösung 1.

Per Text zwischen zwei Zeichenfolgen in verschiedenen Zeilen extrahieren

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

was gibt

[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]]                              

Lösung 2. *

Per Wie kann ich eine neue Zeile (\ n) mit sed ersetzen?

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

ersetzt Zeilenumbrüche durch ein Leerzeichen.

Verketten Sie das mit A2 in Wie verwende ich sed / grep, um Text zwischen zwei Wörtern zu extrahieren? , wir bekommen:

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

was gibt

[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]] 

Diese Variante entfernt doppelte Leerzeichen:

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

geben

[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]]