Regex 如何使用sed或任何其他命令删除流之间的所有行

我有一个pdf文件，我想删除Rstream和efd stream之间的所有行。下面是文档的外观

PDFNUM NUM obj/Type/XObject/Subtype/Image/Width NUM/Height NUM/BitsPerCompofeft NUM/ColorSpace/DeviceGray/Filter[/DCTDecode]/DecodeParms[]/Lefgth NUM NUM RstreamJFIFddC
(NUMAQaqNUMBRNUMbr()NUMCDEFGHIJSTUVWXYZcdefghijstuvwxyzNUMAQaqNUMBRNUMbr()NUMCDEFGHIJSTUVWXYZcdefgh
.....
.....
((((((((((((((QEQEQEQEQEW((((((((((((((((((((((((((((((((((((((((((((((efdstreamefdobjNUM NUM objNUMefdobjNUM NUM obj/Lefgth NUM NUM RstreamqNUM NUM NUM NUM NUM NUM cm/INUM DoQefdstreamefdobjNUM NUM objNUMefdobjNUM NUM obj/Type/Page/Pareft NUM NUM R/Resources NUM NUM R/Rotate NUM/MediaBox[NUM NUM NUM NUM]/Coftefts[NUM NUM R]efdobjNUM NUM obj/ProcSet[/PDF/ImageB/Text]/XObject/INUM NUM NUM RefdobjNUM NUM obj/CreatiofDate (DNUM)/Producer (SamsufgMNUMLX)/Creator (ScafPDFMaker NUM)efdobjNUM NUM obj/Type/Pages/Couft NUM/Kids[NUM NUM R ]efdobjNUM NUM obj/Type/Catalog/Pages NUM NUM RefdobjxrefNUM NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f trailer/Size NUM/Iffo NUM NUM R/Root NUM NUM RstartxrefNUMEOF

如何使用sed删除顶部的Rstream（文档开头）和几乎底部的efdstream之间的所有内容，从而只保留文档规范，如制作人、创建者等

我找到了模式并缩减了原始文档。我使用sed命令用一个单词NUM重命名了所有模式，这样我就可以很容易地看到要删除的内容。给你

-$ cat path | tr \n \f | tr -cd "[A-Za-z0-9 ()/\f]" | sed s/stream.*endstream/STREAM/| sed s/[0-9][0-9]*/NUM/g | sed "s/NUM NUM n/PTR/g".

这只替换为单词NUM。结果应该只保留文件的底部

objNUMefdobjNUM NUM obj/Lefgth NUM NUM RstreamqNUM NUM NUM NUM NUM NUM cm/INUM DoQefdstreamefdobjNUM NUM objNUMefdobjNUM NUM obj/Type/Page/Pareft NUM NUM R/Resources NUM NUM R/Rotate NUM/MediaBox[NUM NUM NUM NUM]/Coftefts[NUM NUM R]efdobjNUM NUM obj/ProcSet[/PDF/ImageB/Text]/XObject/INUM NUM NUM RefdobjNUM NUM obj/CreatiofDate (DNUM)/Producer (SamsufgMNUMLX)/Creator (ScafPDFMaker NUM)efdobjNUM NUM obj/Type/Pages/Couft NUM/Kids[NUM NUM R ]efdobjNUM NUM obj/Type/Catalog/Pages NUM NUM RefdobjxrefNUM NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f NUM NUM f trailer/Size NUM/Iffo NUM NUM R/Root NUM NUM RstartxrefNUMEOF

---

您可以在这里使用sed，但Perl有更强大的正则表达式，可以替代大多数sed正则表达式

要删除从Rstream的第一次出现到efdstream的最后一次出现的所有数据，请执行以下操作：

perl -0777 -pe 's/Rstream.*efdstream//s' <filename.pdf >new.pdf

perl -0777 -pe 's/Rstream.*?efdstream//sg' <filename.pdf >new.pdf

perl-0777-pe's/Rstream.*efdstream//s'new.pdf

要删除Rstream和efdstream每次出现之间的所有数据，请执行以下操作：

perl -0777 -pe 's/Rstream.*efdstream//s' <filename.pdf >new.pdf

perl -0777 -pe 's/Rstream.*?efdstream//sg' <filename.pdf >new.pdf

perl-0777-pe's/Rstream.*？efdstream//sg'new.pdf

0777表示一次读取并操作整个文件，而不是逐行读取。这对于多行替换是必需的。pe表示这是一个流式单行程序。看

请阅读以下正则表达式参考：

Perl拥有所有语言中最强大的正则表达式。如果需要，可以为任务编写完整的解析器

---

HTH

下面是3行

awk

（标准Linux gawk）脚本

script.awk

split($0,arr,"efdstream") > 1{print arr[1]; next;}  # read and print the head of efdstream line
split($0,arr,"Rstream") > 1 {print arr[2]; next;}   # read and print the tail of Rstream line
1  # print any other lines

运行：

awk -f scirpt.awk input.pdf

或一个班轮：

awk '{split($0,arr,"efdstream") > 1{print arr[1]; next;}split($0,arr,"Rstream") > 1 print arr[2]; next;} 1}' input.pdf

提供的pdf文件的输出有问题

JFIFddC
(NUMAQaqNUMBRNUMbr()NUMCDEFGHIJSTUVWXYZcdefghijstuvwxyzNUMAQaqNUMBRNUMbr()NUMCDEFGHIJSTUVWXYZcdefgh
.....
.....
((((((((((((((QEQEQEQEQEW((((((((((((((((((((((((((((((((((((((((((((((

---

sed'/Rstream/，/efdstream/{s/*doqefdrivefdobjnum/&\n/；D}'pdf文件

在从Rstream线到efdstream线的范围内：

• s/*doqefdfstreamfdobjnum/&\n/

  -在OP希望开始保留最后一行数据的位置添加换行符<代码>&是匹配的一切

• D

  -删除范围内每一行直到第一个换行符的所有内容。这将删除除最后一行之外的所有行，最后一行将删除插入的换行符

给定输入，将产生预期的输出。。。最后一行，在efdstream和两个相关NUM之后截断

如果

NUM

是

[0-9]+

的简写，则可以：

sed-E'/Rstream/，/efdstream/{s/*doqefdrivefdobj[0-9]+[0-9]+/&\n/；D}'pdf文件

这为扩展正则表达式添加了

-E

标志，以启用

+

如果NUM数量不确定，您可以使用：

---

sed-E'/Rstream/，/efdstream/{s/*doqefdstreamfdobj（[0-9]+）+/&\n/；D}'pdf文件

类似于

/Rstream/，/efdstream/{/！D；s/*doqefdstreamfdobjnum/&\n/；D}

的东西可能会起作用。使用

/

以不同方式处理起始行和结束行，然后在要打断的位置插入换行符，然后使用

D

删除该换行符。但我不完全清楚如何在最后一行中突破你想要的位置，所以这只是一个建议。嗯。