Jak używać sed / grep do wyodrębniania tekstu między dwoma słowami?

Próbuję wyprowadzić ciąg, który zawiera wszystko między dwoma słowami ciągu:

Wejście:

"Here is a String"

wynik:

"is a"

Za pomocą:

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

zawiera punkty końcowe, ale nie chcę ich uwzględniać.

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

GNU grep może również obsługiwać pozytywne i negatywne przewidywanie i cofanie: w twoim przypadku polecenie wyglądałoby tak:

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

Jeśli występuje wiele wystąpień Herei string, możesz wybrać, czy chcesz dopasować od pierwszego Heredo ostatniego, stringczy też dopasować je indywidualnie. W przypadku wyrażenia regularnego nazywa się to dopasowaniem zachłannym (pierwszy przypadek) lub niechcianym dopasowaniem (drugi przypadek)

$ 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 

Zaakceptowana odpowiedź nie usuwa tekstu, który może znajdować się przed Herelub po String. To będzie:

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

Główną różnicą jest dodanie .*bezpośrednio przed Herei po String.

Możesz usunąć struny w samym Bash :

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

A jeśli masz GNU grep, które zawiera PCRE , możesz użyć asercji o zerowej szerokości:

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

Dzięki GNU awk

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

grep z obsługą parametrów -P( perl-regexp ) \K, co pomaga w odrzucaniu wcześniej dopasowanych znaków. W naszym przypadku poprzednio dopasowanym ciągiem byłHere usunięty z końcowego wyniku.

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

Jeśli chcesz, aby wynik był, is amożesz wypróbować poniższe,

$ 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

Jeśli masz długi plik z wieloma wystąpieniami w wielu wierszach, warto najpierw wydrukować wiersze liczbowe:

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

To może zadziałać dla Ciebie (GNU sed):

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

Przedstawia każdą reprezentację tekstu między dwoma znacznikami (w tym przypadku Herei String) w nowej linii i zachowuje nowe linie w tekście.

Wszystkie powyższe rozwiązania mają wady, w których ostatni ciąg wyszukiwania jest powtarzany w innym miejscu ciągu. Uważam, że najlepiej jest napisać funkcję 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"

Możesz użyć dwóch poleceń s

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

Działa również

$ 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 

Aby zrozumieć sedpolecenie, musimy je budować krok po kroku.

Oto Twój oryginalny tekst

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

Spróbujmy usunąć Herestring z sopcją ubstition wsed

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

W tym momencie, wierzę, będzie można usunąć Stringrównież

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

Ale to nie jest twój pożądany wynik.

Aby połączyć dwa polecenia seda, użyj -eopcji

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

Mam nadzieję że to pomoże

Możesz użyć \1(patrz http://www.grymoire.com/Unix/Sed.html#uh-4 ):

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

Treść znajdująca się w nawiasach zostanie zapisana jako \1.

Problem. Moje zapisane wiadomości Claws Mail są opakowane w następujący sposób, a ja próbuję wyodrębnić wiersze tematu:

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>

Według A2 w tym wątku, jak używać sed / grep do wyodrębniania tekstu między dwoma słowami? pierwsze wyrażenie poniżej „działa”, o ile dopasowany tekst nie zawiera nowej linii:

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

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key

Jednak pomimo wypróbowania wielu wariantów ( .+?; /s; ...), nie mogłem sprawić, aby te działały:

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

Rozwiązanie 1.

Za tekst Wyciąg pomiędzy dwoma łańcuchami na różnych liniach

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

co daje

[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]]                              

Rozwiązanie 2. *

Per Jak mogę zamienić znak nowej linii (\ n) używając seda?

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

zastąpi znaki nowej linii spacją.

Łączenie tego z A2 w Jak używać sed / grep do wyodrębniania tekstu między dwoma słowami? otrzymujemy:

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

co daje

[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]] 

Ten wariant usuwa podwójne spacje:

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

dający

[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]]