grep/perl regex查找标题和匹配行

Question

假设我有一个名为courses.txt的文件，其内容如下:该文件有部分(课程提供者和我使用的电子邮件)，后面是各种课程。例如:edX ([e-mail])，然后是各种课程名称，每个课程前面都有序列号。

udemy ([e-mail])  
"=========================="-  
1) foo bar
2) java programming language
3) redis stephen grider
4) javascript
5) react with typescript
6) kotlin
7) Etherium and Solidity : the Complete Developer's Guide
8) reactive programming with spring  

coursera ([e-mail])  
"==========================-"  
1) python
2) typescript
3) java concurrency
4) C#
edX ([e-mail])  
"==========================-"  
1) excel
2) scala
3) risk management
4) stock
5) oracle
6) mysql  
7) java  
==========================-    

问题:我想申请一门课程，比如"java"。我想要一个匹配，它显示匹配的特定行(例如:"java")和相应的节名(例如，"edX ([e-mail])").

如果我想搜索"java"什么,regex"将给我以下匹配(我在windows上使用grep/perl):

<br>
udemy ([e-mail])    
2) java programming language  
coursera ([e-mail])  
3) java concurrency
edX ([e-mail])    
7) java    

我试着向后看/向前看，但不知道如何打印课程提供者的名称、电子邮件和课程名称。

想法吗?

Answer 1

如果您以段落(由空白行分隔的文本块)进行处理，那么在每个段落中，匹配所需的模式是相当简单的-标题(后跟一行='s)和一行java

perl -00 -wnE'say "$1n$2" 
if /(.+?) n "=+.+? n .+? n ([^n]+sjavas[^n]+)/sx' file

(在Linux上测试;请继续阅读Windows版本。为便于阅读而分成几行。模式的解释见下文。)

在=s行末尾，我使用.+?而不是输入中跟随=s的特定字符，因为您的样本输入不一致;它有-"和"-，在不同的段落。

由于这是在Windows上，您可能必须在一行代码中使用"分隔符(我不知道您使用的是什么shell)，因此您可能需要将模式中的文字"替换为x22(十六进制为")，或您喜欢的其他序列。

希望对Windows有好处(现在不能在Windows上测试)

perl -00 -wnE "say qq($1n$2) 
if /(.+?)n x22=+.+? n .+? n ([^n]+sjavas[^n]+) /sx
" file

-00开关使其按段落阅读。使用/x修饰符，模式中的空格被忽略，因此我们可以使用它们来分隔内容以提高可读性。使用/s修饰符，.也匹配换行符。这对于中间的.+?匹配多行很重要，直到java(被空格包围)。^†

如果您不介意使用脚本而不是一行代码，那么我推荐的是，例如

use warnings;
use strict;
use feature 'say';
local $/ = "nn";
while (<>) { 
say "$1n$2" 
if /(.+?) n "=+.+? n .+? n ([^n]+ sjavas [^n]+)/sx;
}

,& lt的在操作符逐行读取命令行上给出的文件，但是"line"之前设置为带有local $/ = "nn"的段落。如果这是一个更大的程序的一部分，你不想改变整个程序的$/变量，那么这个局部就是存在的!

---

^†或者，不使用使.匹配换行符的/s，而是使用多行模式

perl -00 -wnE'say "$1n$2" 
if /(.+) n "=+.+ n (?:.+n)* (.+sjavas.+)/x' file

或者，如果你在Windows上需要"..."，如

perl -00 -wnE "say qq($1n$2) 
if /(.+) n x22=+.+ n (?:.+n)* (.+sjavas.+)/x' file

(同样，我现在无法在Windows上测试。)

请注意，现在我们不必像上面的/s模式那样，用添加的?(.+?)使所有的.+非贪婪——现在.+停在换行符处，就像这里需要的那样。

或者，通过扩展模式动态使用/s修饰符

perl -00 -wnE "say "$1n$2" 
if /(.+) n x22=+.+ n (?s).+?(?-s) (.+sjavas.+)/x
" file

这里(?s)"打开"/s修饰符，它将一直有效到封闭组的末尾(在本例中是模式的其余部分)，但(?-s)将其关闭。

Answer 2

我不会给你一个完整的解决方案，但你可以从这个开始:

grep -iE "java|@" filename.txt

一些解释:

• -i使其不区分大小写
• -E使用扩展正则表达式
• |是这些扩展正则表达式的一个例子，它的意思是"OR":显示包含'java'或'@'(后者是所有的电子邮件地址)的行

结果，您得到一个包含所有电子邮件地址和所有'java'课程的文件，还有一个问题:如果电子邮件地址一行后面跟着另一行电子邮件地址，那么该地址没有'java'课程。因此，现在可以使用Perl删除下一行也是电子邮件地址的电子邮件地址。

Answer 3

查看输入数据，我们可以得出结论，该部分以包含电子邮件地址的一行开始。

数据从序列号开始。

基于这些信息，我们可以构建一个散列%sections，其中line包含email作为键，并且所有以序列号开头的行都可以存储在键下的数组中。

构建哈希后，代码遍历所有节并查找包含搜索词的行，如果搜索词找到与行匹配的输出节。

注意:要在实际文件中工作，将<DATA>替换为<>，然后以./script.pl filename.dat运行

use strict;
use warnings;
use feature 'say';
my($lookfor, %sections, $key);
$lookfor = shift || die "Provide search term";
while( <DATA> ) {
chomp;
$key = $_ if /@/;
push @{$sections{$key}}, $_ if /^d) /;
}
for my $section (keys %sections ) {
for( @{$sections{$section}} ) {
say "$sectionn"
. '-' x 30
. "n$_n" if /b$lookforb/i;
}
}
exit 0;
__DATA__
udemy ([e-mail])  
"=========================="-  
1) foo bar
2) java programming language
3) redis stephen grider
4) javascript
5) react with typescript
6) kotlin
7) Etherium and Solidity : the Complete Developer's Guide
8) reactive programming with spring  

coursera ([e-mail])  
"==========================-"  
1) python
2) typescript
3) java concurrency
4) C#
edX ([e-mail])  
"==========================-"  
1) excel
2) scala
3) risk management
4) stock
5) oracle
6) mysql  
7) java  
==========================-    
<br>

输出

edX ([e-mail])
------------------------------
7) java
coursera ([e-mail])
------------------------------
3) java concurrency
udemy ([e-mail])
------------------------------
2) java programming language