在同一行的多个字符串之间获取文本答案

【问题标题】：fetch text between multiple strings on the same line在同一行的多个字符串之间获取文本
【发布时间】：2016-01-14 06:24:39
【问题描述】：

我想在文件上使用 bash 来提取位于两个字符串之间的文本。已经有一些答案，例如：

Print text between two strings on the same line

但我想多次出现，有时在同一行，有时在新行上。例如，从这样的文件开始：

\section{The rock outcrop pools experimental system} \label{intro:rockpools}
contain pools at their summit \parencite{brendonck_pools_2010} that have weathered into the rock over time \parencite{bayly_aquatic_2011} through chemical weathering after water collecting at the rock surface \parencite{lister_microgeomorphology_1973}.
Classification depends on dimensions \parencite{twidale_gnammas_1963}.

我想找回：

brendonck_pools_2010
bayly_aquatic_2011
lister_microgeomorphology_1973
twidale_gnammas_1963

我想 sed 应该能够做到这一点，但我不确定从哪里开始。

【问题讨论】：

最好展示足够的上下文来对问题的复杂性给出一些看法。当我评论时，anubhava showed 是为了更简单的输入。我可能会使用他的（启用 PCRE 的）grep 命令的略微修改版本，将\parencite 放在左大括号之前，然后使用sed 过滤输出以删除不需要的材料。

标签： bash awk sed grep

【解决方案1】：

这两个阶段的提取可能更容易理解，无需使用 Perl 正则表达式。

$ grep -o "parencite{[^}]*}" cite | sed 's/parencite{//;s/}//'
brendonck_pools_2010
bayly_aquatic_2011
lister_microgeomorphology_1973
twidale_gnammas_1963

或者，一如既往地 awk 来救援！

$ awk -F'[{}]' -v RS=" " '/parencite/{print $2}' cite
brendonck_pools_2010
bayly_aquatic_2011
lister_microgeomorphology_1973
twidale_gnammas_1963

【讨论】：

【解决方案2】：

使用grep -oP;

grep -oP '\\parencite\{\K[^}]+' file
brendonck_pools_2010
bayly_aquatic_2011
lister_microgeomorphology_1973
twidale_gnammas_1963

或者使用 gnu-awk：

awk -v FPAT='\\\\parencite{[^}]+' '{for (i=1; i<=NF; i++) {
    sub(/\\parencite{/, "", $i); print $i}}' file
brendonck_pools_2010
bayly_aquatic_2011
lister_microgeomorphology_1973
twidale_gnammas_1963

【讨论】：

谢谢，这让我明白了一些道理。我更新了示例，因为文件中包含我不想打印的 {} 字符串的其他内容。你能解释一下如何告诉 grep 使用 "{" 和 "}" 吗？当我使用grep -oP 'parencite{\K[^}]+' file 时它不起作用...
@Shearn：你在哪个系统上？你有 GNU grep 或其他支持 PCRE 的 grep 吗？例如，您可能需要转义 {。您需要仔细阅读手册（令人沮丧地）。当您说“它不起作用”时，有什么症状？对正则表达式的投诉？根本不退货？当你报告“不工作”时，你需要明确——你看到的可能不是别人看到的。
完全同意@JonathanLeffler, isn't working`并不能真正告诉我们什么是行不通的。另外关于您编辑的问题，为什么{...} 中的 2 个值不在输出中？
@Shearn { 和 } 是特殊的，需要转义：\\parencite\{\K[^}]+ 或 (?<=\\parencite\{).+?(?=\}) 与 grep -oP 一起使用
抱歉 @JonathanLeffler 和 @anubhava 含糊不清。我正在运行 Ubuntu 15.04。 “不工作”是指没有输出。 @anubhava，您引用的两个值不打算出现在输出中，只有parencite{ 和} 之间的值。 @glenn jackman，谢谢你的解释，grep -oP '\\parencite\{\K[^}]+' file 工作完美

【解决方案3】：

这可能对你有用（GNU sed）：

sed '/\\parencite{\([^}]*\)}/!d;s//\n\1\n/;s/^[^\n]*\n//;P;D' file

删除任何不包含所需字符串的行。用换行符包围第一个出现的位置，并删除直到并包括第一个换行符。打印到并包含以下换行符，然后删除打印的内容并重复。

【讨论】：