在 POSIX.2 中从最后一个标记获取文本到 EOF

Question

我有一个带有标记行的文本，例如：

aaa
---
bbb
---
ccc

我需要从最后一个标记（不包括）到 EOF 获取文本。在这种情况下，它将是

ccc

在 POSIX.2 中有一种优雅的方式吗？现在我使用两次运行：第一次使用nl和grep最后一次使用各自的行号。然后我提取行号并用于sed提取有问题的块。

文本段可能非常大，所以我害怕使用一些文本添加方法，比如我们将文本添加到缓冲区，如果我们遇到标记，我们清空缓冲区，这样在 EOF 时我们就有了最后一个块缓冲。

Answer 1

除非你的段真的很大（比如：你真的不能节省那么多内存，大概是因为这是一个控制大型文件系统的小型嵌入式系统），单次传递确实是更好的方法。不仅因为它会更快，而且最重要的是因为它允许源是一个流，从中读取和未保存的任何数据都将丢失。这确实是 awk 的工作，尽管 sed 也可以做到。

sed -n -e 's/^---$//' -e 't a' \
       -e 'H' -e '$g' -e '$s/^\n//' -e '$p' -e 'b' \
       -e ':a' -e 'h'              # you are not expected to understand this
awk '{if (/^---$/) {chunk=""}      # separator ==> start new chunk
      else {chunk=chunk $0 RS}}    # append line to chunk
     END {printf "%s", chunk}'     # print last chunk (without adding a newline)

如果您必须使用两遍方法，请确定最后一个分隔符的行偏移并从中打印。或者确定字节偏移量并从中打印。

</input/file tail -n +$((1 + $(</input/file         # print the last N lines, where N=…
                               grep -n -e '---' |   # list separator line numbers
                               tail -n 1 |          # take the last one
                               cut -d ':' -f 1) ))  # retain only line number
</input/file tail -n +$(</input/file awk '/^---$/ {n=NR+1} END {print n}')
</input/file tail -c +$(</input/file LC_CTYPE=C awk '
    {pos+=length($0 RS)}        # pos contains the current byte offset in the file
    /^---$/ {last=pos}          # last contains the byte offset after the last separator
    END {print last+1}          # print characters from last (+1 because tail counts from 1)
')

附录：如果您有多个 POSIX，这里有一个简单的一次性版本，它依赖于 awk 的通用扩展，它允许记录分隔符RS是一个正则表达式（POSIX 只允许一个字符）。这并不完全正确：如果文件以记录分隔符结尾，它会在最后一个记录分隔符之前打印块而不是空记录。使用的第二个版本RT避免了该缺陷，但RT特定于 GNU awk。

awk -vRS='(^|\n)---+($|\n)' 'END{printf $0}'
gawk -vRS='(^|\n)---+($|\n)' 'END{if (RT == "") printf $0}'

Answer 2

两次通过策略似乎是正确的。我会使用 sed 而不是awk(1). 两个通道可能如下所示：

$ LINE=`awk '/^---$/{n=NR}END{print n}' file`

获取行号。然后回显从该行号开始的所有文本：

$ awk "NR>$LINE" file

这不应该需要过多的缓冲。