Perl 使用命令行删除文本？

我有一个巨大的文件，其中包含以下格式的行：

New-England-Center-For-Children-L0000392290
Southboro-Housing-Authority-L0000392464
Crew-Star-Inc-L0000391998
Saxony-Ii-Barber-Shop-L0000392491
Test-L0000392334

我想做的是把范围缩小到以下几点：

New-England-Center-For-Children
Southboro-Housing-Authority
Crew-Star-Inc
Test

---

有人能帮忙吗？

awk

喜欢这些东西：

$ awk -F[/-] -v OFS="-" '{print $(NF-3), $(NF-2)}' file
Special-Restaurant
Eliot-Cleaning
Kennedy-Plumbing

这将

/

和

-

设置为可能的字段分隔符。基于它们，它打印最后一个字段-3和最后一个字段-2，由分隔符

-

分隔。请注意，

$NF

代表最后一个参数，因此

$（NF-1）

是倒数第二个参数，以此类推

---

此

sed

也很有帮助：

$ sed -r 's#.*/(\w*-\w*)-\w*\.\w*</loc>$#\1#' file
Special-Restaurant
Eliot-Cleaning
Kennedy-Plumbing

它选择块

-L

+某物+行尾的所有内容，并将其打印回来

您还可以使用另一个技巧：

rev file | cut -d- -f2- | rev

---

因为您需要的是

-

分隔字段的每个片段，所以让我们获取除最后一个字段之外的所有字段。怎样通过倒转线路，从第二条线路上取下所有线路，然后倒转回来。

awk

喜欢这些东西：

$ awk -F[/-] -v OFS="-" '{print $(NF-3), $(NF-2)}' file
Special-Restaurant
Eliot-Cleaning
Kennedy-Plumbing

这将

/

和

-

设置为可能的字段分隔符。基于它们，它打印最后一个字段-3和最后一个字段-2，由分隔符

-

分隔。请注意，

$NF

代表最后一个参数，因此

$（NF-1）

是倒数第二个参数，以此类推

---

此

sed

也很有帮助：

$ sed -r 's#.*/(\w*-\w*)-\w*\.\w*</loc>$#\1#' file
Special-Restaurant
Eliot-Cleaning
Kennedy-Plumbing

它选择块

-L

+某物+行尾的所有内容，并将其打印回来

您还可以使用另一个技巧：

rev file | cut -d- -f2- | rev

因为您需要的是

-

分隔字段的每个片段，所以让我们获取除最后一个字段之外的所有字段。怎样将第二行中的所有内容倒过来，然后倒回去。

问题的第1版 输入的第一个版本是HTML格式，必须在所需文本之前和之后删除部分：

$ sed -r 's|.*[A-Z]/([a-zA-Z-]+)-L0.*|\1|' input
Special-Restaurant
Eliot-Cleaning
Kennedy-Plumbing

问题的第二版 在修订后的问题中，只需删除以

-L00

开头的文本：

$ 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“替换”命令。该命令的形式为

s | old | new |

问题的第1版 输入的第一个版本是HTML格式，必须在所需文本之前和之后删除部分：

$ sed -r 's|.*[A-Z]/([a-zA-Z-]+)-L0.*|\1|' input
Special-Restaurant
Eliot-Cleaning
Kennedy-Plumbing

问题的第二版 在修订后的问题中，只需删除以

-L00

开头的文本：

$ 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“替换”命令。该命令的形式为

s | old | new |

下面是我使用Perl的方法：

perl -nle 'm{example[.]com/bp/(.*?)/(.*?)-L\d+[.]htm} && print $2' filename

注意：原始问题与输入行匹配，如下所示：

<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>

将仅在正则表达式匹配时打印。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，第二个部分称为$2，以此类推

如果您的正则表达式包含斜杠，使用不同的正则表达式分隔符（'m'代表'match'）可能会更简洁：

如果您有现代Perl，可以使用-E启用现代功能，并使用

say

而不是

print

以添加换行符进行打印：

perl -nE 'm{example[.]com/bp/(.*?)/(.*?)-L\d+[.]htm} && say $2' filename

---

下面是我如何使用Perl实现的：

perl -nle 'm{example[.]com/bp/(.*?)/(.*?)-L\d+[.]htm} && print $2' filename

注意：原始问题与输入行匹配，如下所示：

<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>

将仅在正则表达式匹配时打印。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，第二个部分称为$2，以此类推

如果您的正则表达式包含斜杠，使用不同的正则表达式分隔符（'m'代表'match'）可能会更简洁：

如果您有现代Perl，可以使用-E启用现代功能，并使用

say

而不是

print

以添加换行符进行打印：

perl -nE 'm{example[.]com/bp/(.*?)/(.*?)-L\d+[.]htm} && say $2' filename

---

这方面的perl代码是：

perl-nle'print$1 if（m{-.*？/（.*？-.*？）

我们可以将正则表达式分解为以下匹配项：

• -

  因为这是城市和州之间的事

• *？

  匹配使正则表达式工作的最小字符集，即状态

• /

  匹配状态和所需数据之间的斜杠

• （

  开始捕获您感兴趣的数据

• *？-*？

  将匹配您关心的数据

• ）

  将结束捕获

• -

  将匹配L########前的破折号，以便在数据之后为正则表达式提供一些匹配的内容。这将阻止最小正则表达式匹配0个字符

---

然后print语句将打印出捕获的内容（您的数据）。

这方面的perl代码将是：

perl-nle'print$1 if（m{-.*？/（.-.*？）

我们可以将正则表达式分解为以下匹配项：

• -

  因为这是城市和州之间的事

• *？

  匹配使正则表达式工作的最小字符集，即状态

• /

  匹配状态和所需数据之间的斜杠

• （

  开始捕获您感兴趣的数据

• *？-*？

  将匹配您关心的数据

• ）

  将结束捕获

• -

  将匹配L########前的破折号，以便在数据之后为正则表达式提供一些匹配的内容。这将阻止最小正则表达式匹配0个字符

---

然后，print语句将打印出捕获的内容（您的数据）。

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

• 将输入和输出字段分隔符设置为

  -

• NF

  包含多个字段。将其减少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

• 简单贪婪的正则表达式匹配到最后一个连字符
• 替换时，使用捕获的组并丢弃其余组

---

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

• 将输入和输出字段分隔符设置为

  -

• NF

  包含多个字段。将其减少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

• 与l匹配的简单贪婪正则表达式