使用 sed 删除两个单词之间的数据
remove data between two word with sed
假设我们有一个包含以下内容的文件：
<tag1>
junk1
junk2
</tag1>
data1
data2
data3
<tag1>junk3</tag1>
data4
data5
所以，我们要删除两个字符串之间的所有数据，即 <tag1> 和 </tag1>。我可以使用 sed 命令完成这项工作，例如：
cat input | sed '/<tag1>/,/<\/tag1>/d'
但是有一个问题，命令不能正常运行，输出中去掉了一行tag1标签后的数据。上述命令的输出：
data1
data2
data3
所以，主要问题是，我们如何删除两个 strings/tags/patterns 之间的数据，即使它们是单行或多行数据？
谢谢
- 由于
sed无法解析xml文件，所以sed有很多情况
效果不佳（例如评论标签中的标签）。
- 由于
sed正则表达式不支持非贪婪匹配，我们需要
考虑变通办法。
基于以上，请你试试：
sed $'s/<tag1>/&\\n/g' input | sed '/<tag1>/,/<\/tag1>/d'
输出：
data1
data2
data3
data4
data5
第一个 sed 只是在 <tag1> 之后换行。
虽然它适用于提供的示例，但请注意有
许多情况下效果不佳（例如缺少 </tag1>）。
注：cat input | sed SCRIPT没用，直接sed SCRIPT input。让我们假设：
- 你使用 GNU sed，
- 您可能还有其他标签（例如，
<tag2>），
- 您可能在同一行上有多个组 (
a<tag1>b</tag1>c<tag1>d</tag1>e),
- 您没有嵌套组 (
<tag1>a<tag1>b</tag1>c</tag1>),
- 你所有的
<tag1> 和 </tag1> 都得到了适当的平衡。
GNU sed 有简洁的 -z 选项，将 NUL 字符视为行终止符，而不是换行符。因此，由于您的输入文件不包含任何 NUL 字符，因此可以将其内容视为一个字符串（其中包含换行符）。
因此，我们可以开始删除 <tag1>...</tag1> 个组，而无需考虑它们是否在同一“行”上。但是由于 sed 是贪婪的，我们不能简单地 s#<tag1>.*</tag1>##g 因为它会删除第一个 <tag1> 和最后一个 </tag1> 之间的所有内容：如果你有多个组，它也会删除组之间的文本.
然而，我们可以循环执行两个替代命令：一个删除空组 <tag1></tag1>，然后一个删除 <tag1> 之后的任何单个字符，并且只要删除单个字符就重复:
$ cat input
<tag1>
junk1
junk2
</tag1>
data1
data2<tag1>junk3</tag1>data3<tag1>junk4</tag1>data4
data5
<tag1>junk5</tag1>
data6
<tag1>junk6</tag1>
$ sed -Ez ':a;s#<tag1></tag1>##g;s#(<tag1>).##g;ta' input
data1
data2data3data4
data5
data6
说明：:a是一个标签，用于循环。 s#<tag1></tag1>##g 删除所有空组。 s#(<tag1>).##g 删除 <tag1> 之后的任何单个字符。如果先前的替换成功，ta 分支到标签 a。换句话说，我们循环直到没有
换人；在每次迭代中，我们删除所有空组并删除所有非空 <tag1>、</tag1> 对之间的一个字符。当我们停止时，所有的组都被删除了。
如果它留下的空行也应该被删除，我们只需添加一个删除所有空“行”的最后命令。它通过用单个换行符（或什么都没有）替换两个换行符之间（或模式 space 和换行符之间的模式 spaces （可以为空）的任何字符串来实现如果它在模式的开头 space):
$ sed -Ez ':a;s#<tag1></tag1>##g;s#(<tag1>).##g;ta;s#(\`|\n)\s*\n##g' input
data1
data2data3data4
data5
data6
删除范围之前的单行匹配可能会有所帮助，因为如果在第一个匹配之后没有找到另一个匹配，范围将匹配到文件末尾，在您的情况下，是单行匹配。
$ sed '/>[a-z0-9]*</d;/</,/>/d' input_file
data1
data2
data3
data4
data5
/>[a-z0-9]*</d - 这里先匹配单行。如果需要，它可以精确定位，但 > 括号在这种情况下就足够了。
/</,/>/d - 现在您的原始代码已实现，因为现在只有一个范围匹配，它删除了该范围和 returns 一切 else.Once 再次，它可以更精确使用 tag1 但在这种情况下再一次就足够了。
假设我们有一个包含以下内容的文件：
<tag1>
junk1
junk2
</tag1>
data1
data2
data3
<tag1>junk3</tag1>
data4
data5
所以，我们要删除两个字符串之间的所有数据，即 <tag1> 和 </tag1>。我可以使用 sed 命令完成这项工作，例如：
cat input | sed '/<tag1>/,/<\/tag1>/d'
但是有一个问题，命令不能正常运行，输出中去掉了一行tag1标签后的数据。上述命令的输出：
data1
data2
data3
所以，主要问题是，我们如何删除两个 strings/tags/patterns 之间的数据，即使它们是单行或多行数据？
谢谢
- 由于
sed无法解析xml文件，所以sed有很多情况 效果不佳（例如评论标签中的标签）。 - 由于
sed正则表达式不支持非贪婪匹配，我们需要 考虑变通办法。
基于以上，请你试试：
sed $'s/<tag1>/&\\n/g' input | sed '/<tag1>/,/<\/tag1>/d'
输出：
data1
data2
data3
data4
data5
第一个 sed 只是在 <tag1> 之后换行。
虽然它适用于提供的示例，但请注意有
许多情况下效果不佳（例如缺少 </tag1>）。
注：cat input | sed SCRIPT没用，直接sed SCRIPT input。让我们假设：
- 你使用 GNU sed，
- 您可能还有其他标签（例如，
<tag2>）， - 您可能在同一行上有多个组 (
a<tag1>b</tag1>c<tag1>d</tag1>e), - 您没有嵌套组 (
<tag1>a<tag1>b</tag1>c</tag1>), - 你所有的
<tag1>和</tag1>都得到了适当的平衡。
GNU sed 有简洁的 -z 选项，将 NUL 字符视为行终止符，而不是换行符。因此，由于您的输入文件不包含任何 NUL 字符，因此可以将其内容视为一个字符串（其中包含换行符）。
因此，我们可以开始删除 <tag1>...</tag1> 个组，而无需考虑它们是否在同一“行”上。但是由于 sed 是贪婪的，我们不能简单地 s#<tag1>.*</tag1>##g 因为它会删除第一个 <tag1> 和最后一个 </tag1> 之间的所有内容：如果你有多个组，它也会删除组之间的文本.
然而，我们可以循环执行两个替代命令：一个删除空组 <tag1></tag1>，然后一个删除 <tag1> 之后的任何单个字符，并且只要删除单个字符就重复:
$ cat input
<tag1>
junk1
junk2
</tag1>
data1
data2<tag1>junk3</tag1>data3<tag1>junk4</tag1>data4
data5
<tag1>junk5</tag1>
data6
<tag1>junk6</tag1>
$ sed -Ez ':a;s#<tag1></tag1>##g;s#(<tag1>).##g;ta' input
data1
data2data3data4
data5
data6
说明：:a是一个标签，用于循环。 s#<tag1></tag1>##g 删除所有空组。 s#(<tag1>).##g 删除 <tag1> 之后的任何单个字符。如果先前的替换成功，ta 分支到标签 a。换句话说，我们循环直到没有
换人；在每次迭代中，我们删除所有空组并删除所有非空 <tag1>、</tag1> 对之间的一个字符。当我们停止时，所有的组都被删除了。
如果它留下的空行也应该被删除，我们只需添加一个删除所有空“行”的最后命令。它通过用单个换行符（或什么都没有）替换两个换行符之间（或模式 space 和换行符之间的模式 spaces （可以为空）的任何字符串来实现如果它在模式的开头 space):
$ sed -Ez ':a;s#<tag1></tag1>##g;s#(<tag1>).##g;ta;s#(\`|\n)\s*\n##g' input
data1
data2data3data4
data5
data6
删除范围之前的单行匹配可能会有所帮助，因为如果在第一个匹配之后没有找到另一个匹配，范围将匹配到文件末尾，在您的情况下，是单行匹配。
$ sed '/>[a-z0-9]*</d;/</,/>/d' input_file
data1
data2
data3
data4
data5
/>[a-z0-9]*</d - 这里先匹配单行。如果需要，它可以精确定位，但 > 括号在这种情况下就足够了。
/</,/>/d - 现在您的原始代码已实现，因为现在只有一个范围匹配，它删除了该范围和 returns 一切 else.Once 再次，它可以更精确使用 tag1 但在这种情况下再一次就足够了。