时间戳

首页 > 解决方案 > 从每组连续的匹配行中提取第一行

linux - 从每组连续的匹配行中提取第一行

问题描述

我有一个如下所示的数据文件：

a separator
interesting line 1
interesting line 2
a comment
interesting line 3
interesting line 4
interesting line 5
a non interesting line
some other data
interesting line 6
.
.
.

并且我想interesting line从每个连续的组中提取第一个，无论组中有多少行或有多少额外的行将这些组分开。

对于输出上方的测试输入将是：

interesting line 1
interesting line 3
interesting line 6

我可以在 python 中轻松地做到这一点，方法是在我匹配一行时触发一个状态变量，并在遇到不匹配的行时重置，但是单行 shell 脚本呢？有没有一种不太模糊的方法来做到这一点？

标签： linuxcommand-line

解决方案

您可以将 grep 与贪婪的正则表达式一起使用，然后使用以下命令打印每个匹配项的第一行：

grep -Pzo '([^\n]*interesting line[^\n](\n|$))+' file |
  while IFS='' read -d '' -r match
  do
    head -n1 <<< "$match"
  done

grep参数：

  • -P: 对正则表达式中的 \n 使用 Perl 兼容正则表达式（而不是默认的基本正则表达式）。
  • -z：将输入视为一组行，每行都以零字节结尾。ASCII NUL 字符将分隔每个匹配项，使我们能够可靠地分隔匹配项。
  • 正则表达式([^\n]*blablabla[^\n]*(\n|$))+将匹配每组包含 blablabla 的连续行。

在 while 条件命令中，IFS 为read. 否则，使用默认的 IFS，每个匹配项的最后一个换行符将被吃掉read（这可能不是问题）。始终在“读取时”清除 IFS 以使变量中的文本与读取时完全相同是一个好习惯（前导空格也很容易被吃掉）。

read参数：

并且在循环体中：head -n1 <<< "$match"仅打印当前匹配的第一行（head带有-n 1打印其输入的第一行的命令）。旁注：<<<是 bashism ; 该命令相当于echo "$match" | head -n1.

推荐阅读