打印文本文件中预定义标签之间的部分行

Question

我有一个像下面这样的文件

<g> Good wheatear </g> other parts of line 
<g> The farm land is to be sold </g> other parts of line
<g> knock knock </g> other parts of line 

我希望我的输出是这样的：

<g> Good wheatear </g> 
<g> The farm land is to be sold </g>
<g> knock knock </g>

即打印 <g> 和 </g> 标签之间的内容，包括标签

我试过这个命令：

awk '/<s>/, /<\/s>/' trsTest.txt

但它打印了整行。

如何打印标签之间的内容？

Answer 1

有了awk它可能是：

$ awk -v FS="</?g>" '{print $2}' trsTest.txt
 Good wheatear
 The farm land is to be sold
 knock knock

或者，如果您想保留标签：

$ awk -v FS="</g> " '{print $1 FS}' trsTest.txt
<g> Good wheatear </g>
<g> The farm land is to be sold </g>
<g> knock knock </g>

Answer 2

您可以简单地使用 GNU grep 并仅打印行的匹配部分 ( -o)：

grep -o '<g>.*<\/g>' trsTest.txt

模式需要在单引号之间，以防止外壳扩展字符（如*）

第一个命令将产生：

<g> Good wheatear </g>
<g> The farm land is to be sold </g>
<g> knock knock </g>

如果你不想包含标签，那么你可以这样做：

sed 's/.*<g>\(.*\)<\/g>.*/\1/' trsTest.txt

它的工作方式如下：

• 匹配包括开始<g>标签在内的所有内容
• 我记得上面使用\(和之间的东西\)
• 将结束<\g>标记之后的任何内容与行尾匹配
• 然后替换为记住的内容 \1

第二个命令将产生：

 Good wheatear
 The farm land is to be sold
 knock knock

Answer 3

如果这是 XML，您可以使用 XML 解析器，例如xmlstarlet. （如果它是 HTML，您仍然可以使用，xmlstarlet但您必须警告它结构可能已损坏。）

我添加了一个边界<root/>元素来使输入合法的 XML：

<root>
  <g> Good wheatear </g> other parts of line
  <g> The farm land is to be sold </g> other parts of line
  <g> knock knock </g> other parts of line
</root>

然后挑选</g>元素和值的命令是

xmlstarlet sel --template --match '//g' --copy-of '.' --nl file.xml

输出

<g> Good wheatear </g>
<g> The farm land is to be sold </g>
<g> knock knock </g>

相xmlstarlet对于通用文本解析工具（例如sed或grep）的优势在于它可以理解 XML 结构，因此如果输入文件略有更改，同时仍然保持有效的 XML，xmlstarlet仍将能够解析它。