如何使用 sed 一次提取标记之间的多个模式？

Posted 2023-03-28

【中文标题】如何使用 sed 一次提取标记之间的多个模式？

【英文标题】：How to extract multiple patterns between tokens at once with sed?

【发布时间】：2018-11-02 05:09:48

【问题描述】：

假设我有一个名为 inputFile 的文件，看起来像这样：

blahblah token substring token something else token substring2 token

整个文件只包含 1 长行。

我想用 sed (substring,substring2) 提取标记之间的子字符串。

此时我有：

[sed "s/^.* \?token\(.* \)token.* \?/\1/"][1] inputFile > outputFile

我根据这些问题尝试这样做，但不幸的是它只返回最后一个子字符串

Extract lines between 2 tokens in a text file using bash

How to replace multiple patterns at once with sed?

How to select lines between two patterns?

有解释的答案会很棒。

更新 实际输入代码：

<archive><message id="0"><receiver>apr</receiver><sender>gtr</sender><text>52333</text><sendTime>554</sendTime><deliveryTime>765</deliveryTime></message><message id="0"><receiver>apr</receiver><sender>gtr</sender><text>4332</text><sendTime>764</sendTime><deliveryTime>922</deliveryTime></message></archive>

预期输出：

apr gtr 52333
apr gtr 4332

【问题讨论】：

开头不是缺少<archive>吗？

你必须添加在什么基础上输出到达..另外，如果它是有效的 xml，使用像 xmlstarlet 这样的 xml 解析器或带有 xml 模块的编程语言..

@kvantour 是的，确实

@MariuszBakun 我已经用提供请求输出的xmlstarlet cmd 更新了我的答案。

【参考方案1】：

问题是sed 是贪婪的，所以如果你添加全局标志（g），上面的命令只会返回substring2：

您可以为此使用awk，将字段分隔符FS 重新定义为字符串token。这样你的字符串就在偶数场位置：

$ echo "blahblah token substring token something else token substring2 token"  | \
  awk -F 'token' 'for(i=2;i<=NF;i+=2) print $i'
 substring 
 substring2

更新：

如果您的输入是一个 xml 文件，您可能想要这样做：

<archive>
   <message id="0">
       <receiver>apr</receiver>
       <sender>gtr</sender>
       <text>52333</text>
       <sendTime>554</sendTime>
       <deliveryTime>765</deliveryTime>
   </message>
   <message id="0">
       <receiver>apr</receiver>
       <sender>gtr</sender>
       <text>4332</text>
       <sendTime>764</sendTime>
       <deliveryTime>922</deliveryTime>
   </message>
 </archive>" 

通向 cmd ：

xmlstarlet sel -t -m '//message' -v receiver -o " " -v sender -o " " -v text -n <file>

哪个输出

apr gtr 52333
apr gtr 4332