我有一个包含遵循这种格式的行的大文件：
New-England-Center-For-Children-L0000392290
Southboro-Housing-Authority-L0000392464
Crew-Star-Inc-L0000391998
Saxony-Ii-Barber-Shop-L0000392491
Test-L0000392334
我想要做的就是把它缩小到这个：
New-England-Center-For-Children
Southboro-Housing-Authority
Crew-Star-Inc
Test
有人可以帮忙吗？
【问题讨论】：
标签： perl shell text command-line
使用 GNU awk：
awk -F\- 'NF--' OFS=\- file
New-England-Center-For-Children
Southboro-Housing-Authority
Crew-Star-Inc
Saxony-Ii-Barber-Shop
Test
-。 NF 包含字段数。将其减 1 以删除最后一个字段。 使用sed：
sed 's/\(.*\)-.*/\1/' file
New-England-Center-For-Children
Southboro-Housing-Authority
Crew-Star-Inc
Saxony-Ii-Barber-Shop
Test
【讨论】：
输入的第一个版本是 HTML 形式，在所需文本之前和之后都必须删除部分：
$ sed -r 's|.*[A-Z]/([a-zA-Z-]+)-L0.*|\1|' input
Special-Restaurant
Eliot-Cleaning
Kennedy-Plumbing
修改后的问题，只需要去掉-L00开头的文字即可：
$ sed 's|-L00.*||' input2
New-England-Center-For-Children
Southboro-Housing-Authority
Crew-Star-Inc
Saxony-Ii-Barber-Shop
Test
这两个命令都使用一个“替代”命令。该命令的格式为s|old|new|。
【讨论】：
perl 代码为：perl -nle'print $1 if(m{-.*?/(.*?-.*?)-})
我们可以将正则表达式分解为匹配以下内容：
- 在城市和州之间 .*? 匹配使正则表达式工作的最小字符集，即状态/ 匹配状态和你想要的数据之间的斜线( 开始捕获您感兴趣的数据.*?-.*? 将匹配您关心的数据) 将关闭捕获- 将匹配 L####### 之前的破折号，以在您的数据之后为正则表达式提供匹配的内容。这将防止最小的正则表达式匹配 0 个字符。然后 print 语句将打印出捕获的内容（您的数据）。
【讨论】：
awk 喜欢这些东西：
$ awk -F[/-] -v OFS="-" '{print $(NF-3), $(NF-2)}' file
Special-Restaurant
Eliot-Cleaning
Kennedy-Plumbing
这会将/ 和- 设置为可能的字段分隔符。基于它们，它打印由分隔符 - 分隔的 last_field-3 和 last_field-2。注意$NF 代表最后一个参数，因此$(NF-1) 是倒数第二个，依此类推。
这个sed 也很有帮助：
$ sed -r 's#.*/(\w*-\w*)-\w*\.\w*</loc>$#\1#' file
Special-Restaurant
Eliot-Cleaning
Kennedy-Plumbing
它在斜线/ 之后选择块word-word，然后是word.word</loc> + end_of_line。然后，它打印回这个块。
根据您的新输入，可以这样做：
$ sed -r 's/(.*)-L\w*$/\1/' file
New-England-Center-For-Children
Southboro-Housing-Authority
Crew-Star-Inc
Saxony-Ii-Barber-Shop
Test
它选择块 -L + 一些东西 + 行尾的所有内容，并将其打印回来。
你还可以使用另一个技巧：
rev file | cut -d- -f2- | rev
因为你想要的是- 分隔字段的每一片，所以让我们得到所有这些，但最后一个。如何？通过反转线路，从第 2 条线路中获取所有线路，然后反转。
【讨论】：
下面是我使用 Perl 的方法：
perl -nle 'm{example[.]com/bp/(.*?)/(.*?)-L\d+[.]htm} && print $2' filename
注意：原来的问题是这样匹配输入行的：
<loc>http://www.example.com/bp/Lowell-MA/Special-Restaurant-L0000423916.htm</loc>
<loc>http://www.example.com/bp/Houston-TX/Eliot-Cleaning-L0000422797.htm</loc>
<loc>http://www.example.com/bp/New-Orleans-LA/Kennedy-Plumbing-L0000423121.htm</loc>
-n 选项告诉 Perl 循环遍历文件的每一行（但不打印出来）。
-l 选项在每个打印的末尾添加一个换行符
-e 'perl-code' 选项为每一行输入执行perl-code
图案：
/regex/ && print
仅当正则表达式匹配时才会打印。如果正则表达式包含捕获括号，您可以将第一个捕获的部分称为 $1，将第二个捕获的部分称为 $2，依此类推。
如果您的正则表达式包含斜杠，则使用不同的正则表达式分隔符可能更清晰（“m”代表“匹配”）：
m{regex} && print
如果您有现代 Perl，您可以使用 -E 启用现代功能并使用 say 而不是 print 来打印附加换行符：
perl -nE 'm{example[.]com/bp/(.*?)/(.*?)-L\d+[.]htm} && say $2' filename
【讨论】：
这在 Perl 中非常简洁
perl -i.bak -lpe's/-[^-]+$//' myfile
请注意，这将修改输入文件就地，但会将原始数据的备份保存在名为myfile.bak
【讨论】：