Come usare sed / grep per estrarre il testo tra due parole?

Sto provando a generare una stringa che contiene tutto tra due parole di una stringa:

ingresso:

"Here is a String"

produzione:

"is a"

usando:

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

include gli endpoint, ma non voglio includerli.

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

GNU grep può anche supportare look-ahead e look-back positivi e negativi: nel tuo caso, il comando sarebbe:

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

Se sono presenti più occorrenze di Heree string, è possibile scegliere se si desidera abbinare la prima Heree l'ultima stringoppure abbinarle singolarmente. In termini di regex, si chiama match avido (primo caso) o match non avido (secondo caso)

$ 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 risposta accettata non rimuove il testo che potrebbe essere precedente Hereo successivo String. Questo sarà:

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

La differenza principale è l'aggiunta di .*immediatamente prima Heree dopo String.

Puoi rimuovere le stringhe da solo in Bash :

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

E se hai un grep GNU che include PCRE , puoi usare un'asserzione di larghezza zero:

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

Attraverso GNU awk,

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

grep con -P( perl-regexp ) supporta i parametri \K, che aiuta a scartare i caratteri precedentemente abbinati. Nel nostro caso, la stringa precedentemente abbinata era Herequindi scartata dall'output 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 

Se desideri che l'output sia, is apuoi provare quanto segue,

$ 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

Se hai un file lungo con molte occorrenze su più righe, è utile stampare prima le linee numeriche:

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

Questo potrebbe funzionare per te (GNU sed):

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

Ciò presenta ciascuna rappresentazione del testo tra due marcatori (in questo caso Heree String) su una nuova riga e conserva le nuove righe all'interno del testo.

Tutte le soluzioni di cui sopra presentano carenze in cui l'ultima stringa di ricerca viene ripetuta altrove nella stringa. Ho trovato il modo migliore per scrivere una funzione 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"

È possibile utilizzare due comandi

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

Funziona anche

$ 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 

Capire sed comando, dobbiamo costruirlo passo dopo passo.

Ecco il tuo testo originale

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

Proviamo a rimuovere la Herestringa con sl'opzione ubstition insed

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

A questo punto, credo che saresti in grado di rimuovere Stringanche

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

Ma questo non è l'output desiderato.

Per combinare due comandi sed, utilizzare l' -eopzione

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

Spero che questo ti aiuti

È possibile utilizzare \1(consultare http://www.grymoire.com/Unix/Sed.html#uh-4 ):

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

Il contenuto all'interno delle parentesi verrà memorizzato come \1.

Problema. I messaggi di Claws Mail memorizzati sono racchiusi come segue e sto cercando di estrarre le righe dell'oggetto:

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>

Per A2 in questa discussione, Come usare sed / grep per estrarre il testo tra due parole? la prima espressione, di seguito, "funziona" purché il testo corrispondente non contenga una nuova riga:

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

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key

Tuttavia, nonostante abbia provato numerose varianti ( .+?; /s; ...), non sono riuscito a farle funzionare:

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

Soluzione 1.

Per Estrai il testo tra due stringhe su righe diverse

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

che dà

[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]]                              

Soluzione 2. *

Per Come posso sostituire una nuova riga (\ n) usando sed?

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

sostituirà le nuove righe con uno spazio.

Concatenalo con A2 in Come usare sed / grep per estrarre il testo tra due parole? , noi abbiamo:

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

che dà

[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]] 

Questa variante rimuove i doppi spazi:

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

dando

[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]]