Comment utiliser sed / grep pour extraire du texte entre deux mots?

J'essaie de sortir une chaîne qui contient tout entre deux mots d'une chaîne:

contribution:

"Here is a String"

production:

"is a"

En utilisant:

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

inclut les points de terminaison, mais je ne souhaite pas les inclure.

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

GNU grep peut également prendre en charge les anticipations et les rétrospectives positives et négatives: pour votre cas, la commande serait:

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

S'il existe plusieurs occurrences de Hereet string, vous pouvez choisir si vous voulez faire correspondre le premier Hereet le dernier stringou les faire correspondre individuellement. En termes de regex, il est appelé correspondance gourmande (premier cas) ou correspondance non gourmande (deuxième cas)

$ 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 

La réponse acceptée ne supprime pas le texte qui pourrait être avant Hereou après String. Cette volonté:

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

La principale différence est l'ajout de .*immédiatement avant Hereet après String.

Vous pouvez supprimer des chaînes dans Bash seul:

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

Et si vous avez un grep GNU qui inclut PCRE , vous pouvez utiliser une assertion de largeur nulle:

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

Grâce à GNU awk,

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

grep avec le paramètre -P( perl-regexp ) prend en charge \K, ce qui aide à supprimer les caractères précédemment correspondants. Dans notre cas, la chaîne précédemment correspondante était Heredonc supprimée de la sortie finale.

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

Si vous voulez que la sortie soit, is avous pouvez essayer ce qui suit,

$ 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

Si vous avez un long fichier avec de nombreuses occurrences multilignes, il est utile de commencer par imprimer des lignes numériques:

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

Cela pourrait fonctionner pour vous (GNU sed):

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

Ceci présente chaque représentation de texte entre deux marqueurs (dans ce cas Hereet String) sur une nouvelle ligne et préserve les nouvelles lignes dans le texte.

Toutes les solutions ci-dessus présentent des lacunes où la dernière chaîne de recherche est répétée ailleurs dans la chaîne. J'ai trouvé préférable d'écrire une fonction 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"

Vous pouvez utiliser deux commandes s

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

Fonctionne aussi

$ 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 

Pour comprendre la sedcommande, nous devons la construire étape par étape.

Voici votre texte original

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

Essayons de supprimer la Herechaîne avec l' soption ubstition danssed

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

À ce stade, je crois que vous seriez en mesure d'éliminer Stringaussi bien

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

Mais ce n'est pas la sortie souhaitée.

Pour combiner deux commandes sed, utilisez l' -eoption

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

J'espère que cela t'aides

Vous pouvez utiliser \1(voir http://www.grymoire.com/Unix/Sed.html#uh-4 ):

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

Le contenu entre crochets sera stocké sous forme de \1.

Problème. Mes messages Claws Mail stockés sont emballés comme suit et j'essaie d'extraire les lignes d'objet:

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>

Par A2 dans ce fil, comment utiliser sed / grep pour extraire du texte entre deux mots? la première expression, ci-dessous, "fonctionne" tant que le texte correspondant ne contient pas de nouvelle ligne:

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

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key

Cependant, malgré avoir essayé de nombreuses variantes ( .+?; /s; ...), je n'ai pas pu les faire fonctionner:

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

Solution 1.

Par Extraire du texte entre deux chaînes sur des lignes différentes

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

qui donne

[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]]                              

Solution 2. *

Par Comment puis - je remplacer un saut de ligne (\ n) en utilisant sed?

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

remplacera les nouvelles lignes par un espace.

Enchaîner cela avec A2 dans Comment utiliser sed / grep pour extraire du texte entre deux mots? , on a:

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

qui donne

[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]] 

Cette variante supprime les doubles espaces:

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

donnant

[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]]