使用 bash shell 脚本在 2 个字符串之间提取字符串

Question

我见过与此类似的问题，但在这种情况下似乎没有一个解决方案有效。我有一个看起来像这样的文本文件

START-OF-FILE
RUNDATE=20140910
FIRMNAME=dl
FILETYPE=pc
REPLYFILENAME=TEST
DERIVED=yes
PROGRAMFLAG=oneshot
SECID=ISIN
SECMASTER=yes
PROGRAMNAME=getdata
START-OF-FIELDS
ISSUER
START-OF-DATA
US345370CN85|0|4|FORD MOTOR COMPANY|FORD MOTOR COMPANY| | |
US31679BAC46|0|4|FIFTH STREET FINANCE COR|FIFTH STREET FINANCE COR| | |
END-OF-DATA
END-OF-FILE

我正在尝试编写一个 bash shell 脚本来仅提取“START-OF-DATA”和“END-OF-DATA”之间的文本，不包括这两者。所以我正在寻找的输出看起来像这样

US345370CN85|0|4|FORD MOTOR COMPANY|FORD MOTOR COMPANY| | |
US31679BAC46|0|4|FIFTH STREET FINANCE COR|FIFTH STREET FINANCE COR| | |

目前我写的代码是这样的

while read line
do
    name=$line

    echo $name | sed -e 's/START-OF-DATA\(.*\)END-OF-DATA/\1/'

done < $1

并像

一样从 bash 运行它

./script.sh file.txt

其中 script.sh 是我保存的 shell 脚本，而 file.txt 是上面它读取的文本文件。目前它只是读取并回显整个文件。我猜它的语法很愚蠢。任何指向正确方向的指针都将不胜感激。 谢谢

Answer 1

使用awk 你可以做到：

awk '/START-OF-DATA/{p=1;next} /END-OF-DATA/{p=0;exit} p' file
US345370CN85|0|4|FORD MOTOR COMPANY|FORD MOTOR COMPANY| | |
US31679BAC46|0|4|FIFTH STREET FINANCE COR|FIFTH STREET FINANCE COR| | |

或者使用sed:

sed -n '/START-OF-DATA/,/END-OF-DATA/{/START-OF-DATA\|END-OF-DATA/!p;}' file
US345370CN85|0|4|FORD MOTOR COMPANY|FORD MOTOR COMPANY| | |
US31679BAC46|0|4|FIFTH STREET FINANCE COR|FIFTH STREET FINANCE COR| | |

Answer 2

为了使您的解决方案有效，您可以在点击“START-OF-DATA”时标记为“True”（或类似），然后在点击“END-OF-DATA”时结束它。使用此标记，您可以告诉 echo 在标​​记为“True”时打印（当您位于相关文本块内时）。

...或者你可以使用 sed:

sed -n '/START-OF-DATA/,/END-OF-DATA/ { //!p }' file.txt

Answer 3

我想添加 perlish grep 方式，如提到的here：

grep -Pzo "(?s)START-OF-DATA.*END-OF-DATA" "$1"

这仍然包括START-OF-DATA 和END-OF-DATA 标记。为了摆脱它们，模式必须变得不那么可读：

grep -Pzo "(?s)(?<=START-OF-DATA\n).*(?=\nEND-OF-DATA)"

(?<=START-OF-DATA\n) 和(?=\nEND-OF-DATA) 是环视断言，如perlre 中所述，即它们用于匹配，但不包含在结果中。