如何使用正则表达式删除文件开头的文本？

Question

我有一堆包含半标准标头的文件。 也就是说，它的外观非常相似，但文字有所变化。

我想从所有文件中删除此标头。

通过查看文件，我知道我要删除的内容封装在相似的单词之间。

例如，我有：

Foo bar...some text here...
more text
Foo bar...I want to keep everything after this point

我在 perl 中尝试了这个命令：

perl -pi -e "s/\A.*?Foo.bar*?Foo.bar//simxg" 00ws110.txt

但它不起作用。 我不是正则表达式专家，但希望有人知道如何根据文本匹配而不是字符数从文件开头删除一大块文本......

Answer 1

默认情况下，ARGV（又名 <>，由 -p 在幕后使用）仅读取一行时间。

解决方法：

1. 取消设置$/，它告诉 Perl 一次读取整个文件。

   perl -pi -e "BEGIN{undef$/}s/\A.*?Foo.bar*?Foo.bar//simxg" 00ws110.txt 
     

   BEGIN 是在第一次读取完成之前运行该代码所必需的。

2. 使用-0，设置$/ = "\0"。

   perl -pi -0 -e "s/\A.*?Foo.bar*?Foo.bar//simxg" 00ws110.txt 
     

3. 利用触发器运算符。

   perl -ni -e "打印除非 1 ... /^Foo.bar/' 
     

   这将跳过从第 1 行开始到 /^Foo.bar/ 的打印。

Answer 2

如果你的标题超过一行，你必须告诉 perl 要读取多少内容。 如果文件与内存相比较小，您可能只想将整个文件放入内存中：

perl -0777pi.orig -e 's/your regex/your replace/s' file1 file2 file3

-0777选项将perl设置为slurp模式，因此$_将保留每次通过循环的每个整个文件。 另外，请始终记住设置备份扩展名。 如果不这样做，您可能会发现数据被意外删除并且无法恢复。 有关详细信息，请参阅 perldoc perlrun。

根据评论中的信息，您似乎正在尝试从 前面删除所有烦人的内容古腾堡计划电子书。 如果您了解所涉及的所有版权问题，您应该能够摆脱像这样的前面的问题：

perl -ni.orig -e 'print unless 1 .. /^\*END/' 00ws110.txt

古腾堡项目标头以

*END*THE SMALL PRINT! FOR PUBLIC DOMAIN ETEXTS*Ver.04.29.93*END*

更安全的正则表达式结尾，会考虑到 *END*也到了最后，但我很懒。

Answer 3

我可能会误解你的要求，但在我看来就这么简单：

perl -ni -e 'print unless 1..($. > 1 && /^Foo bar/)'

Answer 4

干得好！ 这将替换文件的第一行：

use Tie::File;

tie my @array,"Tie::File","path_to_file" or die("can't tie the file");
$array[0] =~s/text_i_want_to_replace/replacement_text/gi;
untie @array;

您可以对数组进行操作，您将看到数组中的修改。 您可以从数组中删除元素，它将从文件中删除该行。 对元素应用替换将替换行中的文本。

如果您想删除前两行，并保留第三行中的某些内容，您可以执行以下操作：

# tie the @array before this
shift @array;
shift @array;
$array[0]=~s/foo bar\.\.\.//gi;
# untie the @array

这将完全满足您的需要！