从文本文件中提取匹配结果的行

Question

我需要从文本文件中提取文件名，而文本文件的输出没有字体。

因此，正如您从下面的输出文件中看到的那样，我需要打印出第一个结果之后没有字体的结果？因此，只有最后一个结果在此输出中包含字体

这是否有意义 - Grep、Sed 或 Awk 会是答案吗

因此需要下面文本文件的输出，表明该 PDf 中的 **START 和 * 中不存在字体*结尾

******************START***********************
name                                 type              emb sub uni object ID
------------------------------------ ----------------- --- --- --- ---------
/home/user1/Documents/temp1.pdf
******************END***********************
******************START***********************
name                                 type              emb sub uni object ID
------------------------------------ ----------------- --- --- --- ---------
/home/user1/Documents/temp2.pdf
******************END***********************
******************START***********************
name                                 type              emb sub uni object ID
------------------------------------ ----------------- --- --- --- ---------
BAAAAA+TimesNewRomanPS-BoldMT        TrueType          yes yes yes     14  0
CAAAAA+TimesNewRomanPSMT             TrueType          yes yes yes      9  0
/home/user3/Documents/temp file.pdf
******************END***********************

Answer 1

如果上一行以 - 开头，则将打印包含“.pdf”的任何行。

[me@home]$ awk '{if (st && match($0,".pdf")){print $0}; st=match($0,"^-")}' in.txt
/home/user1/Documents/temp1.pdf
/home/user1/Documents/temp2.pdf

它不是通用解决方案，但适用于您提供的输入数据。我可以想象几种边缘情况，这可能会失败，但这完全取决于输入文件的规格。

---

更新

（基于您在下面的评论中发布的脚本）如果您想要做的只是识别没有嵌入字体的 PDF 文件，这可能会起作用：

MAGNUM="/mnt/network/User\ 1\ PDF\ 06.12.11/"
has_no_fonts() {
    COUNT=$(pdffonts "$1" 2> /dev/null | wc -l)
    exit $(( $COUNT - 4 ))
}
export -f has_no_fonts
find "$MAGNUM" -type f -name "*.pdf" -exec bash -c 'has_no_fonts "{}"' \; -print

这是脚本的细分：

• 检测嵌入字体数。如果没有嵌入字体，pdffonts 返回特定值，那就很简单了，但事实并非如此。因此，我们计算输出行数并减去 2（标题行）来确定嵌入字体的数量

  COUNT=$(pdffonts "$1" 2> /dev/null | wc -l) # 输出行数
                                              # 如果没有字体则正好是 2
                                              # 如果有错误则恰好为 0
  exit $(( $COUNT - 2 )) # exit 0（成功）当且仅当 PDF 没有字体
  

• 导出 bash 函数以便可以在子 shell 中使用它。

  export -f has_no_fonts
  

• 找到 pdf 文件，并且仅在 PDF 有效且没有字体的情况下打印名称

  find ..... -exec bash -c 'has_no_fonts "{}"' \; -打印
                    -------- --------
                        | |
            -exec 无法运行 bash 函数 只会打印 
             因此，如果上一个命令以 0 退出，则在 bash 子 shell 文件名中运行
  

如果您喜欢一行，则整个脚本可以编写为：

find "$MAGNUM" -name "*.pdf" \
    -exec bash -c 'exit $(($(pdffonts "{}" 2> /dev/null |wc -l) - 2))' \; -print

Answer 2

这可能对您有用：

sed -n '/^\*/,//{H;/\*END\*/{x;s/\n/&/6;t;s|[^/]*\([^\n]*\).*|\1|p}}' in.txt
/home/user1/Documents/temp1.pdf
/home/user1/Documents/temp2.pdf

说明：

1. 关注以 * 开头的行之间的行
2. 将此类行存储在保留空间 (HS) 中。
3. 当我们到达结束分隔符时交换到 HS。
4. 检查是否有 6 个或更多换行符，即必须具有字体的条目，如果是，则进行救助。
5. 删除所有非必要的文本并打印出来。

或者在紧要关头：

sed -n '/^\*/,//{H;/\*END\*/{x;s|[^/]*-\n\(/[^\n]*\).*|\1|p}}' in.txt