组合多个 sed 命令 [重复]

Question

拥有以下文件：

<tr class="in">
  <th scope="row">In</th>
  <td>1.2 kB/s (0.0%)</td>
  <td>8.3 kB/s (0.0%) </td>
  <td>3.2 kB/s (0.0%) </td>
</tr>
<tr class="out">
  <th scope="row">Out</th>
  <td>6.7 kB/s (0.6%) </td>
  <td>4.2 kB/s (0.1%) </td>
  <td>1.5 kB/s (0.6%) </td>
</tr>

我想像这样获取每秒<td></td> 之间的值（并将其保存到文件中）：

8.3
4.2

到目前为止我的代码：

# get the lines with <td> tags
cat tmp.txt | grep '<td>[0-9]*.[0-9]' > tmp2.txt

# delete whitespaces
sed -i 's/[\t ]//g' tmp2.txt

# remove <td> tag
cat tmp2.txt | sed "s/<td>//g" > tmp3.txt

# remove "kB/s (0.0%)"
cat tmp3.txt | sed "s/kB\/s\((.*)\)//g" > tmp4.txt

# remove </td> tag and save to traffic.txt
cat tmp4.txt | sed "s/<\/td>//g" > traffic.txt

#rm -R -f tmp*

我怎样才能以常见的方式做到这一点？这段代码真的很牛逼。。

提前致谢， 马利

Answer 1

使用 -e 选项（如果使用 GNU sed）。来自the manual：

e [command] 此命令允许从 shell 命令管道输入 进入模式空间。没有参数，e 命令执行 在模式空间中找到并替换模式空间的命令 与输出；尾随换行符被禁止。

如果指定了参数，则 e 命令将其解释为 命令并将其输出发送到输出流。命令可以运行 跨越多行，除了最后一个以反斜杠结尾。

在这两种情况下，如果要执行的命令，结果都是不确定的 包含一个 NUL 字符。

请注意，与 r 命令不同，命令的输出将是 立即打印； r 命令改为延迟输出到 当前周期结束。

所以在你的情况下你可以这样做：

cat tmp.txt | grep '<td>[0-9]*.[0-9]' \
| sed -e 's/[\t ]//g' \
-e "s/<td>//g" \
-e "s/kB\/s\((.*)\)//g" \
-e "s/<\/td>//g" > traffic.txt

你也可以这样写：

grep "<td>.*</td>" tmp.txt | sed 's/<td>\([0-9.]\+\).*/\1/g'

\+ 匹配一个或多个实例，但它不适用于非 GNU 版本的 sed。 （例如，Mac 有 BSD）

在下面@tripleee 评论的帮助下，这是我能得到的最精炼的版本，它也适用于sed 的非GNU 版本：

sed -n 's/<td>\([0-9]*.[0-9]*\).*/\1/p' tmp.txt

作为旁注，您也可以简单地将输出通过每个 sed 传递，而不是保存每个输出，这是我看到人们通常为临时任务所做的：

  cat tmp.txt | grep '<td>[0-9]*.[0-9]' \
    | sed -e 's/[\t ]//g' \
    | sed "s/<td>//g" \
    | sed "s/kB\/s\((.*)\)//g" \
    | sed "s/<\/td>//g" > traffic.txt

-e 选项更有效，但我猜管道选项更方便。

Answer 2

[编辑] 感谢 Barton 指出错误。更正版本：

cat tmp.txt | grep td | sed 's/<td>\([0-9]\.[0-9]\).*/\1/g' > newtmp.txt
sed -n '2,${p;n;n}' newtmp.txt > final.txt; rm newtmp.txt

第一行会挑出每行 td 之后的 digit.digit 模式。

第二行从第二行开始每隔三行打印一次（有效地为您提供文件中每三行中的第二行）。

Answer 3

您关于运行多个 sed 的问题似乎已得到解答，但 sed 是错误的工具。假设输入格式是固定的，并且<tr> 始终位于行首，并且您要查找的 td 标记始终在该行前面正好有 2 个空格（如果不是这种情况，则可以轻松修改此解决方案)，你可以这样做：

awk -F'</?td>' '/^<tr/{i=0} /^  <td/{i++} i==2{print $2}' input-file

第一个参数告诉 awk 在<td> 或</td> 上分割每一行，因此您感兴趣的数据成为第二个字段。每当<tr 出现在行首时，第二个参数的第一个子句将计数器 i 重置为零。每次 <td 出现在 2 个空格之后，下一个增量 i。最后打印第二个<td> 行的第二个字段。最后一个参数指定您的输入文件。

当然，这为您提供了<td> 标签之间的所有内容，我认为这不是您想要的。要获取<td> 和第一个空格之间的文本块，请尝试：

awk '/^<tr/{i=0} /^  <td/{i++} i==2{gsub( "<td>", ""); print $1}' input-file

Answer 4

您可以使用大括号创建一个由一个地址或一组地址操作的块：

sed -n '/<td>[0-9]*.[0-9]/ {s/[\t ]//g; s/<td>//g; s/kB\/s\((.*)\)<\/td>//g;p}' tmp.txt

我认为您可以使用 sed 的保持和模式空间做一些棘手的事情，以便获得第二行和第四行，（我已经看到可以通过这种方式撤消文件双倍间距的解决方案。

Answer 5

这可能对你有用（GNU sed）：

 sed '/^<tr/,/^<\/tr>/!d;/<td/H;/^<\/tr/!d;x;s/\n//g;s/<td>/\n/2;s/.*\n\(\S*\).*/\1/' file

解释：

• 关注开始<tr> 和结束</tr> 标记之间的行。 /^<tr/,/^<\/tr>/!d
• 在保持空间 (HS) 中存储 <td> 行。 /<td/H
• 删除范围内除最后一行之外的所有行。 /^<\/tr/!d
• 切换到 HS。 x
• 删除所有换行符。 s/\n//g
• 用换行符替换第二个<td>。 s/<td>/\n/2
• 删除 HS 中的所有文本，除了插入的换行符后的第一个非空格字段并打印。 s/.*\n\(\S*\).*/\1/