在bash中的文本文件中输出多行模式的出现

Question

我想编写一个 bash 脚本，它可以识别文本中与多行模式匹配的标签，以便我可以使用识别标签进一步处理嵌套标签以供以后处理。我已经搜索了多个问题，但它们似乎都以某种方式不足，难以取得进展。我成功的是能够匹配模式并获得匹配的行，但是它作为单个输出出现（我相信）。首先是我正在测试的示例文本文件。

random words to put here: dresser car street space 
*
********************************************************************************
********************************************************************************
-->
         interested data: name="someFile_1.txt"random data
      endMultilinePattern
   <!--****************Random comment***************-->
      startMultilinePattern id="someFileTag_2"
         interested data: name="someFile_2.txt"random data
      endMultilinePattern
   <!--****************Random comment***************-->
      startMultilinePattern id="someFileTag_3"
        interested data: name="someFile_3.txt"random data
      endMultilinePattern      
   some random data body
      some random nested data filepath="/" uuid="randomcharacters"random data
   some random data body
 more random data
 endMultilinePattern
      startMultilinePattern id="someFileTag_2"
         interested data: name="error_someFileTag_2.txt"random data
      endMultilinePattern
   <!--****************Random comment***************-->

以下是我得到的一些输出以及导致它们的答案。可能是我自己理解不够，不知道如何正确使用命令。首先，我感兴趣的 id 在startMultilinePattern id="someFileTag_2"> 中，稍后我将在文件中使用id 来匹配使用该id 的其他标签。其次，我想在interested data: name="..."random data 标记中获取属性name，以便在文件系统中搜索该文件以进行进一步处理。在这个问题中，我现在要做的就是获取startMultilinePattern> ... multi-line match ... endMultilinePattern，然后在interested data: name="..."random data 标签中获取文件名。我们开始吧：

以下使用了 perl 的 grep 中的 -P 选项，虽然它得到了正确的输出，但我似乎无法读入数组并输出每个多行匹配。
源：grep (bash) multi-line pattern

$ $ grep -Pzon "((startMultilinePattern )(.|\n)*?(endMultilinePattern))" test.txt | while read -a grepOut; do POS=$((POS+1)) && echo "0=${grepOut[0]}, 1=${grepOut[1]}, 2=${grepOut[2]}, 3=${grepOut[3]}}";done                                                               0=1:startMultilinePattern, 1=id="someFileTag_2", 2=, 3=}
0=interested, 1=data:, 2=name="someFile_2.txt"random, 3=data}
0=endMultilinePattern1:startMultilinePattern, 1=id="someFileTag_3", 2=, 3=}
0=interested, 1=data:, 2=name="someFile_3.txt"random, 3=data}
0=endMultilinePattern1:startMultilinePattern, 1=id="someFileTag_2", 2=, 3=}
0=interested, 1=data:, 2=name="error_someFileTag_2.txt"random, 3=data}

# grep command by itself provides the following output: 
1:startMultilinePattern id="someFileTag_2"
         interested data: name="someFile_2.txt"random data
      endMultilinePattern1:startMultilinePattern id="someFileTag_3"
        interested data: name="someFile_3.txt"random data
      endMultilinePattern1:startMultilinePattern id="someFileTag_2"
         interested data: name="error_someFileTag_2.txt"random data
      endMultilinePattern

使用 sed 大概应该更合适，我找到了这个有趣的答案，但我无法让它工作。它使用了一些我不明白的时髦的开始关键字。 源：https://unix.stackexchange.com/questions/112132/how-can-i-grep-patterns-across-multiple-lines

sed -n '/\startMultilinePattern /{:start /endMultilinePattern/!{N;b start};/startMultilinePattern .*\n.*\n.*endMultilinePattern/p}' test.txt

此外，下面的 sed 命令据说可以作为它的许多答案，但可能是它的旧功能。我无法让它工作，因为输出看起来不像预期的那样。它包括我不想要的部分文本，即<some random data body ....。 源：https://unix.stackexchange.com/a/112134/388443

$ sed -e '/startMultilinePattern /,/endMultilinePattern/!d' test.txt
      startMultilinePattern id="someFileTag_2"
         interested data: name="someFile_2.txt"random data
      endMultilinePattern
      startMultilinePattern id="someFileTag_3"
        interested data: name="someFile_3.txt"random data
      endMultilinePattern
      startMultilinePattern id="someFileTag_2"
         interested data: name="error_someFileTag_2.txt"random data
      endMultilinePattern

还有其他答案有他们自己的做法。有些人使用 awk，我不知道 awk 所以没有尝试，我也不能使用 pcregrep，因为我没有安装它的 root 权限。据我了解， grep -P 或多或少等同于 pcregrep。想法？

Answer 1

请您尝试以下方法：

str="$(<"test.txt")"            # slurps all the file in a variable str
pattern='startMultilinePattern id="([^"]+)"[[:space:]]+interested data: name="([^"]+)"(.*)'
while [[ $str =~ $pattern ]]; do
    echo "${BASH_REMATCH[1]}"   # prints the id
    echo "${BASH_REMATCH[2]}"   # prints the filename
    str="${BASH_REMATCH[3]}"    # updates the variable str with the remaining substring
done

使用提供的示例输出：

someFileTag_2
someFile_2.txt
someFileTag_3
someFile_3.txt
someFileTag_2
error_someFileTag_2.txt

您可以将 id 和文件名存储在数组或关联数组中以供进一步使用。

[解释]

• 它首先将整个文件读入一个变量str，包括换行符 字符以启用多行模式匹配。
• 变量pattern是匹配子串的正则表达式 以 startMultilinePattern 后跟 id，空格包括 换行符，interested data 和 name 分配 shell 变量 ${BASH_REMATCH[@]} 到 id、name 和 匹配后剩余的子字符串。
• 表达式$str =~ $pattern 测试字符串$str 以匹配 正则表达式$pattern。 在while 循环的帮助下，它会扫描整个文件直到结束。
• 如果提供的示例是简化的并且您的实际文件有 标签的变化，您可能需要相应地调整pattern。