sed awk 和 grep 匹配 2 个字符串之间的范围答案

【问题标题】：sed awk and grep matching a range between 2 strings of characterssed awk 和 grep 匹配 2 个字符串之间的范围
【发布时间】：2023-01-30 02:46:11
【问题描述】：

我试图在某些 html 标签之间获取内容。我最近一直在提到这个问题How to print lines between two patterns, inclusive or exclusive (in sed, AWK or Perl)?。我已经尝试了这里的两三个建议，以及另一页的另一个建议。我无法让他们中的任何一个工作。

正则表达式 <\s*p(\s+.*?>|>).*?<\s*/\s*p\s*> 在在线 sed 编辑器中工作，但在我的 GNU shell 中不起作用。

写为sed -n '//,/<\/p>/p' FILE 的模式sed -n '/PAT1/,/PAT2/{/PAT2/!p}' FILE 似乎无声地失败了，因为它只返回文件中的所有内容。

模式 awk '/PAT1/{flag=1; next} /PAT2/{flag=0} flag' file in my shell as awk '//{flag=1; next}/<\/p>/{flag=0} flag' file 返回没有匹配项的文件，但它包含还包含（非匹配）文件的其余部分。

【问题讨论】：

sed 的/pat1/,/pat2/ 只有在它们是不同的行时才能正常工作。 \s、*?、| 等不是标准的 sed 语法，但可以在 Perl 中使用。
尝试向您的问题添加一个最小的失败测试用例以及您尝试的代码、实际输出和所需输出。
请Don't Parse XML/HTML With Regex. 我建议使用 XML/HTML 解析器（xmlstarlet、xmllint ...）。
该正则表达式不可能在任何 sed、在线或其他方式中工作，因为它试图使用 PCRE 构造 (.*?)，而 sed 仅支持 BRE 或 ERE。对于某些特定的样本输入，您可能会得到预期的输出，但这并不意味着它有效。
请edit你的问题用字符串或正则表达式、全部或部分、单词或行替换“模式”，并提供包含简洁、可测试示例输入的minimal reproducible example（确保包括正则表达式元字符和不需要的子字符串匹配）和预期输出，因此我们可以帮助您解决您寻求帮助的任何问题，因为没有针对所有“模式”的通用解决方案，请参阅how-do-i-find-the-text-that-matches-a-pattern 了解详细信息。

标签： bash awk sed

【解决方案1】：

awk '//{flag=1; next}//{flag=0} flag' file

此解决方案假定  和  在自己的行中，因此这将按预期工作，例如

This is paragraph


This is not paragraph


This is another paragraph

但不是
This is paragraphThis is not paragraphThis is another paragraph
请注意，使用正则表达式来处理 HTML 通常不是一个好主意，因为 HTML 是 Chomsky Type-2 装置，而 first 是为工作 Chomsky Type-3 装置而设计的。因此我建议使用 hxselect 如果你被允许安装工具那么你可以像这样使用它
hxselect -i -c -s '
' 'p' < file
其中-i 表示不区分大小写，-c 只获取内容（即不包括开始和结束标记），-s ' ' 使用换行符剪切找到的项目，p 是描述要查找的标记的 CSS3 选择器（在这种情况下，所有 标签）。

编辑：如果有绝对地在你的文件中没有换行符并且没有嵌套的p 标签那么你可以尝试使用 GNU AWK 以下方式
awk 'BEGIN{RS="</?p>"}NR%2==0' file
然后希望它能按预期工作。

【讨论】：

我想模式匹配不仅仅是 html 标签。匹配 2 个字符串模式之间的范围对于联网和分析 exif 数据也很有用。如果可以的话，请留在主题上并建议如何在同一行上找到上面的内容。
有趣的理论，但理论本身并不能证明。我宁愿坚持使用 sed，因为它随处可用，而且我正在将其抽象化以将其他类型的 dara 类型作为输入。
支持努力并提及乔姆斯基形式语法。漂亮的兔子洞！