如何在非常大的单行文件中查找模式及其周围内容？

Question

我有一个 100Mb+ 的非常大的文件，其中所有内容都在一行上。 我希望在该文件中找到一个模式以及该模式周围的一些字符。

例如，我想调用如下命令，但其中 -A 和 -B 是字节数而不是行数：

cat very_large_file | grep -A 100 -B 100 somepattern

因此，对于包含如下内容的文件：

1234567890abcdefghijklmnopqrstuvwxyz

的模式

890abc
and a before size of -B 3 
and an after size of -A 3

使用我希望它返回

567890abcdef

：任何提示都是伟大的。 非常感谢。

Answer 1

您可以尝试 -o 选项：

-o, --only-matching
      Show only the part of a matching line that matches PATTERN.

并使用正则表达式来匹配您的模式和 3 个前面/后面的字符，即

grep -o -P ".{3}pattern.{3}" very_large_file 

在您给出的示例中，它将是

echo "1234567890abcdefghijklmnopqrstuvwxyz" > tmp.txt
grep -o -P ".{3}890abc.{3}" tmp.txt

Answer 2

另一种是 sed（在 GNU grep 不可用的系统上，您可能需要它）：

sed -n '
  s/.*\(...890abc...\).*/\1/p
  ' infile

Answer 3

我能想到的最好方法是使用一个小的 Perl 脚本。

#!/usr/bin/perl
$pattern = $ARGV[0];
$before = $ARGV[1];
$after = $ARGV[2];

while(<>) {
  print 
amp; if( /.{$before}$pattern.{$after}/ );
}

然后你可以这样执行它：

cat very_large_file | ./myPerlScript.pl 890abc 3 3

编辑：天啊，保罗的解决方案要容易得多。哦，好吧，Perl 万岁！