如何使用新的line字符或标签字符或空格抓取多行线字符串

Question

我的测试文件具有以下文字：

> cat test.txt
new dummy("test1", random1).foo("bar1");
new dummy("
        test2", random2);
new dummy("test3", random3).foo("bar3");
new dummy = dummy(
            "test4", random4).foo("bar4");

我试图匹配所有单行，以semicolon（;）结尾，并带有文本“假人（”。然后，我需要提取虚拟内部双引号中存在的字符串。我已经提出了命令，但它仅与-o标志

> perl -ne 'print if /dummy/ .. /;/' test.txt | grep -oP 'dummy\((.|\n)*,'
dummy("test1",
dummy("test3",

匹配

相 IS：

test1
test2
test3
test4

如果行包含1个以上的新行字符，则代码中断了

new dummy("test1", random1).foo("bar1");
new dummy("
        test2", random2);
new dummy("test3", random3).foo("bar3");
new dummy = dummy(
            "test4", random4).foo("bar4");
new dummy("test5",
        random5).foo("bar5");
new dummy("test6", random6).foo(
        "bar6");
new dummy("test7", random7).foo("
        bar7");

。

下面的某些答案适用于基本文件结构， ：//stackoverflow.com/questions/12652568/how-to-to-give-a-pattern-for-new-line-in-grep“>如何在grep中为新行提供一个模式？

Answer 1

@tlp非常接近：

perl -0777 -nE 'say for map {s/^\s+|\s+$//gr} /\bdummy\(\s*"(.+?)"/gs' test.txt

test1
test2

使用

• -0777将文件插入单个字符串
• /\ bdummy \（\ s*“（。+？） “假人”之后的所有引用的字符串内容
  • s flag允许。匹配newlines。
  • 任何包含逃脱双引号

• 映射{s/^\ s+| \ s+$ // gr}从每个字符串中领导/尾随的whitespace。

Answer 2

此perl应该有效：

perl -0777 -pe 's/(?m)^[^(]* dummy\(\s*"\s*([^"]+).*/$1/g' file

test1
test2
test3
test4

遵循gnu-grep + tr也应该有效：

grep -zoP '[^(]* dummy\(\s*"\s*\K[^"]+"' file | tr '"' '\n'

test1
test2
test3
test4

Answer 3

在您显示的样本的情况下，请尝试以GNU AWK编写和测试。

awk -v RS='(^|\n)new[^;]*;' '
RT{
  rt=RT
  gsub(/\n+|[[:space:]]+/,"",rt)
  match(rt,/"[^"]*"/)
  print substr(rt,RSTART+1,RLENGTH-2)
}
'  Input_file

Answer 4

您可以使用 text :: parsewords 提取引用的字段。

use strict;
use warnings;
use Data::Dumper;
use Text::ParseWords;

my $str = do {
    local $/;
    <DATA>;
};   # slurp the text into a variable
my @lines = quotewords(q("), 1, $str);   # extract fields
my @txt;

for (0 .. $#lines) {
    if ($lines[$_] =~ /\bdummy\s*\(/) {
        push @txt, $lines[$_+1];         # target text will be in fields following "dummy("
    }
}

s/^\s+|\s+$//g for @txt;     # trim leading/trailing whitespace
print Dumper \@txt;

__DATA__
new dummy("test1", random1).foo("bar1");
new dummy("
        test2", random2);
new dummy("test3", random3).foo("bar3");
new dummy = dummy(
            "test4", random4).foo("bar4");

输出：

$VAR1 = [
          'test1',
          'test2',
          'test3',
          'test4'
        ];

Answer 5

给定：

$ cat file
new dummy("test1", random1).foo("bar1");
new dummy("
        test2", random2);
new dummy("test3", random3).foo("bar3");
new dummy = dummy(
            "test4", random4).foo("bar4");

您可以这样使用GNU GREP：

$ grep -ozP '[^;]*\bdummy[^";]*"\s*\K[^";]*[^;]*;' file | tr '\000' '\n' | grep -oP '^[^"]*'
test1
test2
test3
test4

更健壮，如果这是;界限文本，则可以：

1. 在;上拆分;
2. /\ bdummy \ b/的过滤器;
3. 用引号抓住第一个字段；
4. 剥离空格。

这就是Ruby中的所有内容：

ruby -e 'puts 
lt;.read.split(/(?<=;)/).
                select{|b| b[/\bdummy\b/]}.
                map{|s| s[/(?<=")[^"]*/].strip}' file 
# same output

Answer 6

awk基于fs：

<test1.txt gawk -b -e 'BEGIN { RS="^$"

 FS="((^|\\n)?"(___="[^\\n")"]+y[(]"(_="[ \\t\\n]*")(__="[\\42]")(_)\
    "|"(_="[ \\t]*")(__)(_)"[,]"(___)";]+[;][\\n])+"} sub(OFS=ORS,"",$!--NF)'          

test1
test2
test3
test4

gawk在200万行在5.15 secs上进行基准测试，因此，除非您的输入文件超出100 MB，否则这就足够了。

***警告：避免使用此解决方案使用mawk-1.9.9.6

Answer 7

建议简单gawk脚本（标准Linux awk）：

 awk '/dummy/{print gensub("[[:space:]]*","",1,$2)}' RS=';' FS='"'  input.txt

说明：

rs =';' set awk 记录分隔符到;

fs ='“' set awk fields saparator to ”

/dummy/过滤器仅记录匹配虚拟 rexexp

gensub（“ [[：space：]]*”，“”，1，$ 2）字段

打印Gensub（“ [[：SPACE：]]*”，“”，1，$ 2）打印修剪第二个字段