在两个带有多行的标签之间进行grep/sed

Question

我有很多文件需要获取信息。

我的文件的示例：

第一个文件内容：

"test This info i need grep</singleline>"

和

第二个文件内容（有两行）：

"test This info=
 i need grep too</singleline>"

在结果中我需要grep此文本：从第一个文件 - "我需要grep"，从第二个文件中 - "此信息=我也需要grep"

在第一个文件中我使用：

grep -o 'test .*</singleline>' * | sed -e 's/test (.*)</singleline>/1/'

并成功获得"我需要GREP"的"此信息"，但是我无法使用同一命令从第二个文件中获取信息。

请帮助重写命令或编写另一个。

Answer 1

或，如果您坚持使用grep，则可以：

grep -Pzo 'test(n|.)*(?=</singleline>)' test.txt 

要了解每个标志的含义，请使用grep --help：

• -P， - perl-regexp

  模式是Perl正则表达式

• -o， - 唯一匹配

  仅显示匹配模式的一部分

• -z，-null-data

  数据线以0字节结束，而不是newline

Answer 2

我会使用 pcregrep，可以匹配多行回调：

pcregrep -Mo 'test K((?s).)*?(?=</singleline>)' filename

技巧是：

• -M允许pcregrep在多个线上匹配，
• -o使其仅打印匹配，
• K扔掉了比赛之前的比赛部分，
• (?=</singleline>)是一个lookahead术语，如果（仅在）下面是 </singleline>，并且
• ((?s).)*?要匹配任何非怪异的字符，也就是说，如果您在文件中有几次</singleline>出现，它将匹配到最接近而不是最较远的情况下。如果不需要，请删除?。(?s)启用本术语本地的s选项，以使.在其中匹配Newlines；默认情况下它不会做到。

感谢@casimirethippolyte指出((?s).)替代(.|n)的替代方案。

Answer 3

看起来您正在解析引用的可打印编码文本，其中"软"线路断开（一个是固定线宽格格式的工件），用一条线表示 - 终止=（直接在n之前）。

由于在A 后来评论您也表示希望将每场比赛打印为一行，因此我建议以下2个通用评估：

• 使用awk删除软件间断
• 然后在结果上使用grep

awk '/=$/ { printf "%s", substr($0, 1, length($0)-2); next } 1' file |
  grep -Po 'test .*?(?=</singleline>)'

^{对Wintermute的帽子提示， *?和Wintermute's and Maroun Maroun的有益答案的有用答案，对正面的主张，(?=...)。}

不是 awk命令删除 =（以及newline）;将substr调用替换为仅$0以保留它。

首先将感兴趣的字符串转换回他们的原始单线表示：

• 比赛以其原始形式印刷。
• 您可以将常规（GNU）grep与划分匹配使用；与此对比
  • 需要一次读取整个文件，如Maroun Maroun的有用答案。
    ^{请注意，在撰写本文时，*必须用*?替换在他的答案中，以正确地工作在具有多个匹配的文件中工作。}
  • 需要安装另一个实用程序pcregrep，如Wintermute的有用答案。
  • 此外，必须将比赛清理为单线（您最初不是作为要求）。