提取两个字符串之间的文本并对其执行操作

Question

我有一个包含以下文本的文件

<MY_TEXT="XYZ" PATH="MNO"       #First occurrence of MY_TEXT
<location= "XYZ" path="ABC"
\location>
<R_DATA = MNOP
<Mylocation ="ghdf" stime=20150301 etime=20150401 >
<Mylocation ="ghdf" stime=20150401 etime=20150501 >
\R_DATA>
<Blah>
\MY_TEXT>                       #Second occurrence of MY_TEXT
<MY_TEXT="ABC" PATH="EFG"       #Third occurrence of MY_TEXT
<location= "QQQ" path="LLL"
\location>
<R_DATA = MNOP     
<Mylocation ="ghdf" stime=20150301 etime=20150401 >
<Mylocation ="ghdf" stime=20150401 etime=20150501 >
\R_DATA>
<Blah>
\MY_TEXT>         #Fourth occurrence of MY_TEXT

我的任务是找到包含 <MY_TEXT="XYZ" 的行中的文本，它可能在开头有空格，然后找到它的结尾 \MY_TEXT 所以输出是

<MY_TEXT="XYZ" PATH="MNO"       #First occurrence of MY_TEXT
<location= "XYZ" path="ABC"
\location>
<R_DATA = MNOP
<Mylocation ="ghdf" stime=20150301 etime=20150401 >  #First occurrence of Mylocation
<Mylocation ="ghdf" stime=20150401 etime=20150501 >  #Second occurrence of Mylocation
\R_DATA>
<Blah>
\MY_TEXT>

然后它找到最后一次出现的 Mylocation 即 #Second occurrence of Mylocation 并将文本 etime=20150501 修改为 something 并在文件内联后追加一个新行。

我遇到了这个 link Sed to extract text between two strings 。但是在这里使用 sed 命令要么让我当我使用 -n 选项时什么也没有，或者当我删除 -n 时打印整个文件。所以我无法进一步处理文本，因为我无法首先提取我想要的文本。

我也试过 sed -n '/^ *START=A *$/,/^ *END *$/p' yourfile 。但是没有用。你们能帮帮我吗，因为我的脚本不是很好。提前致谢。

Answer 1

这对 sed 有点棘手，但我会尝试一下。

重要说明：这看起来像是一种定义明确的文件格式，但我不认识它。查看是否有直接处理这种格式的工具而不是像 sed 必须的那样将其视为平面文件可能是谨慎的做法。这样的解决方案很可能比直接文本黑客更短、更容易理解并且更健壮。

也就是说，您可以使用

sed -n '/<MY_TEXT="XYZ"/ { :a /\MY_TEXT>/! { N; ba }; s/\(.*\)\(<Mylocation\)/\MY_TEXT>\n/; h; s/.*\MY_TEXT>\n//; s/etime=[0-9]\+/etime=something/; s/\n/\n\n/; s/$/\MY_TEXT>/; G; s/\(.*\)\MY_TEXT>\n\(.*\)\MY_TEXT>\n\(.*\)//; p }' filename

输出：

<MY_TEXT="XYZ" PATH="MNO"       #First occurrence of MY_TEXT
<location= "XYZ" path="ABC"
\location>
<R_DATA = MNOP
<Mylocation ="ghdf" stime=20150301 etime=20150401 >
<Mylocation ="ghdf" stime=20150401 etime=something >

\R_DATA>
<Blah>
\MY_TEXT>

其中最令人困惑的一点是使用 \MY_TEXT>\n 作为分隔工作块的标记；这样做是因为我们知道它没有出现在文本的其他任何地方。 \MY_TEXT> 首先出现在我们正在处理的块的最后一行，因此在输入数据中它之后永远不会有换行符。（代码可能会更清楚一些没有出现在文本中的东西，但我不知道有什么更明显的东西）。

代码的工作原理如下：

#!/bin/sed -nf

/<MY_TEXT="XYZ"/ {                                    # If we find the starter
                                                      # line:
  :a
  /\MY_TEXT>/! {                                     # fetch the rest of the
    N                                                 # block into the
    ba                                                # pattern space
  }
  s/\(.*\)\(<Mylocation\)/\MY_TEXT>\n/           # mark the place before
                                                      # the last Mylocation tag
  h                                                   # copy that to the hold
                                                      # buffer
  s/.*\MY_TEXT>\n//                                  # remove the stuff before
                                                      # the marker
  s/etime=[0-9]\+/etime=something/                    # replace  the etime
                                                      # attribute
  s/\n/\n\n/                                          # insert the new line
  s/$/\MY_TEXT>/                                     # put a marker at the end
  G                                                   # fetch back the stuff
                                                      # from the hold buffer
  s/\(.*\)\MY_TEXT>\n\(.*\)\MY_TEXT>\n\(.*\)//  # replace the end chunk
                                                      # with the edited version
  p                                                   # print the result.
}

Answer 2

简单的解决方案是使用 range

awk '/<MY_TEXT="XYZ"/,/\MY_TEXT/' file
<MY_TEXT="XYZ" PATH="MNO"       #First occurrence of MY_TEXT
<location= "XYZ" path="ABC"
\location>
<R_DATA = MNOP
<Mylocation ="ghdf" stime=20150301 etime=20150401 >
<Mylocation ="ghdf" stime=20150401 etime=20150501 >
\R_DATA>
<Blah>
\MY_TEXT>                       #Second occurrence of MY_TEXT

或sed

sed -n '/<MY_TEXT="XYZ"/,/\MY_TEXT/p' file
<MY_TEXT="XYZ" PATH="MNO"       #First occurrence of MY_TEXT
<location= "XYZ" path="ABC"
\location>
<R_DATA = MNOP
<Mylocation ="ghdf" stime=20150301 etime=20150401 >
<Mylocation ="ghdf" stime=20150401 etime=20150501 >
\R_DATA>
<Blah>
\MY_TEXT>                       #Second occurrence of MY_TEXT

提取两个字符串之间的文本并对其执行操作

Extract text between two string and perform operation on it

bash

awk

sed