使用 bash 仅匹配第一段答案

【问题标题】：Match only the first paragraph using bash使用 bash 仅匹配第一段
【发布时间】：2021-03-01 15:01:45
【问题描述】：

我们有

...包含段落的文件，由 2 个换行符 \r\n\r\n 或 \n\n 分隔。段落本身可能包含单个换行符\r\n 或\n。目标是使用 Bash 单行来匹配仅第一段并将其打印到标准输出。

例如：

$ cat foo.txt
Foo
* Bar

Baz
* Foobar

Even more stuff to match here.

结果：

$ cat foo.txt | <some-command>
Foo
* Bar

我已经试过了

...这个正则表达式 (?s)(.+?)(\r?\n){2}|.+?$ 和 grep 使用

Windows 上的 GIT Bash (GNU grep 3.1)，
Bash on Lubuntu 20.4.1 LTS (GNU grep 3.4) 和
Mac 上的 iTerm+Fish (BSD grep 2.5.1-FreeBSD)。

前两种方法导致：

$ grep -Poz '(?s)(.+?)(\r?\n){2}|.+?$' foo.txt
Foo                                                                                                                          
* Bar

Baz                                                                                                                          
* Foobar

由于 BSD grep 和 GNU grep 之间的差异，Mac 上的方法失败了。

但是

... 在 regex101.com 上，此正则表达式适用于 foo.txt：https://regex101.com/r/uoej8O/1。这可能是由于禁用了global 标志？

【问题讨论】：

当你说 “可能包含单个换行符 \r\n 或 \n。” 你的意思是你在一个文件中混合了两种类型的行尾吗？或者您需要它来处理普通文件，其中一些具有 DOS 行结尾，而其中一些具有 Unix 行结尾？
@jas 因为 DOS 和 UNIX 结尾。
在使用任何 Unix shell 工具之前删除 DOS 行尾总是更安全，因为它可能会产生意想不到的结果。

标签： regex bash awk sed grep

【解决方案1】：

这是一个为gnu awk量身定制的问题，使用了自定义记录分隔符。我们可以使用自定义RS，将文件数据拆分为两个或多个可选\r，后跟\n：

awk -v RS='(\r?\n){2,}' 'NR == 1' file

这个输出：

Foo
* Bar

如果您希望awk 在输入很大时更高效：

awk -v RS='(\r?\n){2,}' '{print; exit}' file

【讨论】：

【解决方案2】：

对于 GNU awk，如果段落由 \r\n\r\n 或 \n\n 分隔：

$ awk -v RS="\r?\n\r?\n" '{print $0;exit}' file

输出：

Foo
* Bar

【讨论】：

【解决方案3】：

您可以像这样使用 GNU grep：

grep -Poz '(?s)^.+?(?=\R{2}|$)' file

请参阅PCRE regex demo。

详情

(?s) - 一个 DOTALL 内联修饰符，使 . 匹配所有字符，包括换行符
^ - 整个字符串的开始
.+? - 任何 1 个或多个字符，尽可能少
(?=\R{2}|$) - 与紧跟双换行序列 (\R{2}) 或字符串结尾 ($) 的位置匹配的正向前瞻。

【讨论】：

【解决方案4】：

如果您只想要第一段并且段落用换行符分隔，那么这可能有效：

awk '!NF{ exit } 1' foo.txt

【讨论】：

同理：awk '$0=="" { exit }1' foo.txt
我建议使用$0=="" 而不是awk '!NF { print; exist }' foo.txt
如果第一段由\r\n\r\n分隔，这也会失败。

【解决方案5】：

这可能对你有用（GNU sed）：

sed 'N;P;/\n\r\?$/Q;D' file

打开一个两行窗口，打印其中的第一行，如果窗口在行尾包含换行符（带有可选的返回），则退出处理（不打印任何其他内容）。

【讨论】：