从文本文件中提取从特定类别标题开始的文本到下一个类别标题

Question

我有一个以下格式的 TOML 文件（类别可以有任何名称，顺序编号只是一个例子，不能保证）：

[CATEGORY_1]
A=1
B=2

[CATEGORY_2]
C=3
D=4

E=5

...

[CATEGORY_N]
Z=26

我想要实现的是检索给定类别中的文本。

所以，如果我指定，比方说，[CATEGORY_1]我希望它给我输出：

A=1
B=2

我尝试使用标志grep来完成此任务，z因此它可以将换行符解释为空字节字符并使用此正则表达式：

(^\[.*])             # Match the category 
  ((.*\n*)+?         # Match the category content in a non-greedy way
    (?=\[|$))        # Lookahead to the start of other category or end of line

除非我删除^了表达式开头的 ，否则它不起作用。但是，如果我这样做，它会将松散的括号错误解释为一个类别。

有没有办法正确地做到这一点？如果没有grep，则使用其他工具，例如sed或awk。

Answer 1

您可以考虑使用tomlq，一个TOML包装器jq从YQ项目，让您检索类别的内容name简单地使用jq语法.name

前任。给出：

$ cat file.toml 
[CATEGORY_1]
A=1
B=2

[CATEGORY_2]
C=3
D=4

E=5


[CATEGORY_N]
Z=26

然后

$ tomlq -t '.CATEGORY_1' file.toml
A = 1
B = 2

...并使用命令行上给出的部分名称：

$ cat file.toml 
[CATEGORY_1]
A=1
B=2

[CATEGORY_2]
C=3
D=4

E=5


[CATEGORY_N]
Z=26

输出为 TOML 格式。你想要制表符分隔的输出：

$ tomlq -t '.CATEGORY_1' file.toml
A = 1
B = 2

使用@csv代替@tsv获取 CSV 输出。

由于您最初询问了 grep 解决方案，因此pcregrep：

$ pcregrep -Mo '(?s)\[CATEGORY_1\]\n\K.*?(?=\n+\[)' file.toml
A=1
B=2

where (?s)make .match\n以便.*?跨多行匹配。您可以使用以下-z标志在 PCRE 模式下使用 GNU grep 伪造它：

$ grep -Pzo '(?s)\[CATEGORY_1\]\n\K.*?\n(?=\n+\[)' file.toml
A=1                                                                                                                                                                                          
B=2

由于它具有固定的长度，你可以更换\[CATEGORY_1\]\n\K一个回顾后(?<=\[CATEGORY_1\]\n)，以匹配超前(?=\n+\[)，如果你喜欢的对称性。

Answer 2

比 pure 稍微复杂一些sed，但可以进行更多微调：

$ awk -v catname="[CATEGORY_1]" '/^\[.*\]$/{p=($0==catname)} p' input.toml
[CATEGORY_1]
A=1
B=2

• 您可以在命令行上将所需的类别名称指定为awkvariable catname。
• 在程序内部，如果标志p设置为 1 ，它将打印当前行（请参阅此处了解其工作原理）。
• 如果我们遇到一个“类别开始模式”（行以[与两端]），我们设置标志为0，但如果行的类别名称完全匹配，我们设置了标志1（中的感觉：我们设置p到检查$0当前行是否等于存储在catname) 中的字符串的结果。

这样，从类别标题开始到下一个类别标题的所有内容都将被打印。

延伸目标

如果要省略类别标题，可以更改

{p=($0==catname)}

到

{p=($0==catname); next}

这将在设置标志后立即跳过处理到下一行，从而绕过条件打印指令。

如果另外您想排除空行，p请将程序末尾的“看似杂散”更改为p&&NF，这仅在标志p非零且至少有一个“字段”（即非空白）时才为真文本）在当前行。

Answer 3

如果我理解正确，您可以使用以下sed命令：

# Choose the category until the next [ character
# and then delete any line starting with the [ character
$ sed -n '/^\[CATEGORY_2\]/,/^\[/p' file | sed '/^\[/d'
C=3
D=4

E=5