Bash 在保留格式的同时提取两个模式（包括）之间的字符串

我有一个以下格式的文件

cat test.txt
id1,PPLLTOMaaaaaaaaaaaJACK
id2,PPLRTOMbbbbbbbbbbbJACK
id3,PPLRTOMcccccccccccJACK

我试图识别并打印

TOM

和

JACK

之间的字符串，包括这两个字符串，同时维护第一列

FS=，

期望输出：

id1,TOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACK
id3,TOMcccccccccccJACK

到目前为止，我已经尝试了

gsub

：

awk -F"," 'gsub(/.*TOM|JACK.*/,"",$2) && !_[$0]++' test.txt > out.txt

$ gawk 'BEGIN{FS=OFS=","} {$2=gensub(/.*(TOM.*JACK).*/,"\\1","",$2)} 1' file
id1,TOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACK
id3,TOMcccccccccccJACK

并具有以下输出

id1 aaaaaaaaaaa
id2 bbbbbbbbbbb
id3 ccccccccccc

如您所见，我正在接近，但无法在输出中包含

TOM

和

JACK

模式。另外，我还丢失了原来的

FS

。我做错了什么

---

任何帮助都将不胜感激。

您的意思是要执行以下操作吗

$ cat test.txt
id1,PPLLTOMaaaaaaaaaaaJACKABCD
id2,PPLRTOMbbbbbbbbbbbJACKDFCC
id3,PPLRTOMcccccccccccJACKSDER

$ cat test.txt | sed -e 's/,.*TOM/,TOM/g' | sed -e 's/JACK.*/JACK/g'
id1,TOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACK
id3,TOMcccccccccccJACK
$

---

只要TOM和JACK不重复，这应该可以工作。

使用捕获组保存要保留的线路部分。下面是如何使用

sed

sed 's/^\([^,]*,\).*\(TOM.*JACK\).*/\1\2/' <test.txt > out.txt

sed的/^\（[^，]*，\）.\（TOM.*JACK\）./\1\2/'out.txt

您正在更改一个字段（

$2

），这会导致awk使用

OFS

的值作为字段分隔符来重建记录，因此在本例中，将逗号更改为空格

永远不要将

\uuuu

用作变量名-使用没有意义的名称要比使用有错误意义的名称稍微好一点，只需选择一个具有某种含义的名称，在本例中是

所见的
，但请确定在本上下文中使用该名称时要做什么

gsub（）
和
sub（）
不支持捕获组，因此您需要使用
match（）
+
substr（）
：

或者对第三个参数使用GNU awk来
match（）

或对于
gensub（）
：

match（）
和
gensub（）
解决方案之间的主要区别在于，如果TOM在线路上出现两次，它们的行为会如何：

$ cat file
id1,PPLLfooTOMbarTOMaaaaaaaaaaaJACK
id2,PPLRTOMbbbbbbbbbbbJACKfooJACKbar
id3,PPLRfooTOMbarTOMcccccccccccJACKfooJACKbar
$
$ awk 'BEGIN{FS=OFS=","} match($2,/TOM.*JACK/,a){$2=a[0]} 1' file
id1,TOMbarTOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACKfooJACK
id3,TOMbarTOMcccccccccccJACKfooJACK
$
$ awk 'BEGIN{FS=OFS=","} {$2=gensub(/.*(TOM.*JACK).*/,"\\1","",$2)} 1' file
id1,TOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACKfooJACK
id3,TOMcccccccccccJACKfooJACK

$ awk 'BEGIN{FS=OFS=","} match($2,/TOM.*JACK/,a){$2=gensub(/(JACK).*/,"\\1","",a[0])} 1' file
id1,TOMbarTOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACK
id3,TOMbarTOMcccccccccccJACK

只是为了展示一种在第一个而不是最后一个插孔处停车的方法：

$ cat file
id1,PPLLfooTOMbarTOMaaaaaaaaaaaJACK
id2,PPLRTOMbbbbbbbbbbbJACKfooJACKbar
id3,PPLRfooTOMbarTOMcccccccccccJACKfooJACKbar
$
$ awk 'BEGIN{FS=OFS=","} match($2,/TOM.*JACK/,a){$2=a[0]} 1' file
id1,TOMbarTOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACKfooJACK
id3,TOMbarTOMcccccccccccJACKfooJACK
$
$ awk 'BEGIN{FS=OFS=","} {$2=gensub(/.*(TOM.*JACK).*/,"\\1","",$2)} 1' file
id1,TOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACKfooJACK
id3,TOMcccccccccccJACKfooJACK

$ awk 'BEGIN{FS=OFS=","} match($2,/TOM.*JACK/,a){$2=gensub(/(JACK).*/,"\\1","",a[0])} 1' file
id1,TOMbarTOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACK
id3,TOMbarTOMcccccccccccJACK

如果一行中包含
TOMabcBOB
，则可能会出现不希望出现的情况。只要TOM和JACK在预期的位置存在，这应该可以工作。什么可能不起作用的示例？像
id，fooTOMabcBOB
这样的行，如果它可以存在于输入中，则会被不希望地更改为
id，tomabcb
。我也不这样做，但它阻止了我在awk答案中使用类似的解决方案：-）。
sed 's/\(.*,\).*\(TOM.*JACK\).*/\1\2/' <oldfile >newfile

id1,TOMaaaaaaaaaaaJACK
id2,TOMbbbbbbbbbbbJACK
id3,TOMcccccccccccJACK