使用bash或python从文本文件中提取子结构

我有一个巨大的文本文件，其结构如下：

SET
TAG1
...
...
SET
...
SET
TAG2
...
...
SET
...
...

我想提取特定标签（即TAG54）的单个“子结构”，即

SET
TAG54
...
...
SET

对于给定的标签i，每个子结构始终包含：

第一行：设置 第二行：TAG_i（在本例中为TAG54） 任意数量的行 最后一行：SET

我想知道做这件事的最佳方法是什么，无论是在bash还是python中，因此对于给定的标记，可以“提取”这个子结构

---

谢谢

这里有一种Python方法：您将打开的文件句柄作为第一个参数传递，将标记号作为第二个参数传递，然后作为结果返回相关行的列表（包括换行符），如果在文件中找不到标记，则返回空行：

def lookfor(f, tagnum):
  tag = 'TAG%s\n' % tagnum
  for line in f:
    if line == tag:
       break
  else: # file finished, tag not found
    return []
  result = ['SET\n', tag]
  for line in f:
    result.append(line)
    if line == 'SET\n':
        break
  return result

---

这应该是相当好的表现。如果您想要其他形式的参数和/或结果，当然，相应地调整也不难。

如果您的系统的

grep

支持

-p

for perl regexp：

grep -P 'SET\nTAG54\n[.\n]*\nSET' file.txt

目瞪口呆：

如果使用shell脚本编写，请使用

-v

将shell变量传递到

awk

。乙二醇

#!/bin/bash
read -r -p "what's your tag? " tag
awk -vRS="SET" -vt="$tag" '$0~tag{print RT$0RT}' file

---

这不是一个很好的解决方案，但是您可以在python中使用my bad regex:/TAG\d++（.++）SET/gsm有一种更好的方法来换行，但是我使用的regex工具不喜欢它们。您好，您的方法非常好而且简单！我忘了提到，我还需要在文件的开头和结尾有“SET”的行，但我会自己做。谢谢，没用。你能告诉我每个部分都做什么吗？非常感谢

grep

是一个搜索工具；

-P

选项使

grep

使用perl类型的regexp（您的系统可能不支持

-P

）

'SET\nTAG54\n[.\n]*\nSET'

是要匹配的正则表达式：

SET

后跟一个换行符，后跟

TAG54

和一个换行符，然后是任意字符和/或换行符（

.\n]

）的任意数（

*

），一个换行符和

SET

file.txt

是要搜索的文件名。

BEGIN {
  state=0
}

state==0 && $0=="TAG54" {
  print "SET"
  state=1
}

state==1 {
  print
}

state==1 && $0=="SET" {
  exit
}

$ awk -vRS="SET" '/TAG54/{print RT$0RT}' file
SET
TAG54
...
...
SET

#!/bin/bash
read -r -p "what's your tag? " tag
awk -vRS="SET" -vt="$tag" '$0~tag{print RT$0RT}' file