sed / grepを使用して2つの単語間のテキストを抽出する方法

文字列の2つの単語間のすべてを含む文字列を出力しようとしています。

入力：

"Here is a String"

出力：

"is a"

使用：

sed -n '/Here/,/String/p'

エンドポイントが含まれていますが、含めたくありません。

sed -e 's/Here\(.*\)String/\1/'

GNU grepは、ポジティブとネガティブの先読みとルックバックもサポートできます。あなたの場合、コマンドは次のようになります。

echo "Here is a string" | grep -o -P '(?<=Here).*(?=string)'

Hereand が複数ある場合はstring、最初Hereと最後から一致させるstringか、個別に一致させるかを選択できます。正規表現では、貪欲な一致（最初のケース）または貪欲でない一致（2番目のケース）と呼ばれます。

$ echo 'Here is a string, and Here is another string.' | grep -oP '(?<=Here).*(?=string)' # Greedy match
 is a string, and Here is another 
$ echo 'Here is a string, and Here is another string.' | grep -oP '(?<=Here).*?(?=string)' # Non-greedy match (Notice the '?' after '*' in .*)
 is a 
 is another 

受け入れ答えは前に可能性があり、テキストは削除されませんHereか後にString。この意志：

sed -e 's/.*Here\(.*\)String.*/\1/'

主な違いは、.*直前Hereと直後の追加ですString。

Bashだけで文字列を取り除くことができます。

$ foo="Here is a String"
$ foo=${foo##*Here }
$ echo "$foo"
is a String
$ foo=${foo%% String*}
$ echo "$foo"
is a
$

PCREを含むGNU grepがある場合は、ゼロ幅アサーションを使用できます。

$ echo "Here is a String" | grep -Po '(?<=(Here )).*(?= String)'
is a

GNU awkを通じて、

$ echo "Here is a string" | awk -v FS="(Here|string)" '{print $2}'
 is a 

-P（perl-regexp）パラメーターを指定したgrepは\K、以前に一致した文字を破棄するのに役立ちます。今回のケースでは、以前に一致した文字列がHere最終出力から破棄されたためです。

$ echo "Here is a string" | grep -oP 'Here\K.*(?=string)'
 is a 
$ echo "Here is a string" | grep -oP 'Here\K(?:(?!string).)*'
 is a 

出力にしたい場合はis a、以下を試すことができます、

$ echo "Here is a string" | grep -oP 'Here\s*\K.*(?=\s+string)'
is a
$ echo "Here is a string" | grep -oP 'Here\s*\K(?:(?!\s+string).)*'
is a

複数行のオカレンスが多数ある長いファイルがある場合は、最初に番号行を印刷すると便利です。

cat -n file | sed -n '/Here/,/String/p'

これはあなたのために働くかもしれません（GNU sed）：

sed '/Here/!d;s//&\n/;s/.*\n//;:a;/String/bb;$!{n;ba};:b;s//\n&/;P;D' file 

これは、改行の2つのマーカー（この例ではHereとString）の間のテキストの各表現を示し、テキスト内の改行を保持します。

上記のすべてのソリューションには、最後の検索文字列が文字列の他の場所で繰り返されるという欠点があります。私はbash関数を書くのが一番いいと思いました。

    function str_str {
      local str
      str="${1#*${2}}"
      str="${str%%$3*}"
      echo -n "$str"
    }

    # test it ...
    mystr="this is a string"
    str_str "$mystr" "this " " string"

2つのsコマンドを使用できます

$ echo "Here is a String" | sed 's/.*Here//; s/String.*//'
 is a 

また働く

$ echo "Here is a StringHere is a String" | sed 's/.*Here//; s/String.*//'
 is a

$ echo "Here is a StringHere is a StringHere is a StringHere is a String" | sed 's/.*Here//; s/String.*//'
 is a 

sedコマンドを理解するには、ステップバイステップでコマンドを構築する必要があります。

これが元のテキストです

user@linux:~$ echo "Here is a String"
Here is a String
user@linux:~$ 

ubstitionオプションでHere文字列を削除してみましょうssed

user@linux:~$ echo "Here is a String" | sed 's/Here //'
is a String
user@linux:~$ 

この時点で、あなたStringも削除できると思います

user@linux:~$ echo "Here is a String" | sed 's/String//'
Here is a
user@linux:~$ 

しかし、これは望ましい出力ではありません。

2つのsedコマンドを組み合わせるには、-eオプションを使用します

user@linux:~$ echo "Here is a String" | sed -e 's/Here //' -e 's/String//'
is a
user@linux:~$ 

お役に立てれば

使用できます\1（http://www.grymoire.com/Unix/Sed.html#uh-4を参照）：

echo "Hello is a String" | sed 's/Hello\(.*\)String/\1/g'

括弧内の内容はとして保存され\1ます。

問題。 保存されているClaws Mailメッセージは次のようにラップされており、件名行を抽出しようとしています。

Subject: [SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key molecular
 link in major cell growth pathway: Findings point to new potential
 therapeutic target in pancreatic cancer [mTORC1 Activator SLC38A9 Is
 Required to Efflux Essential Amino Acids from Lysosomes and Use Protein as
 a Nutrient] [Re: Nutrient sensor in key growth-regulating metabolic pathway
 identified [Lysosomal amino acid transporter SLC38A9 signals arginine
 sufficiency to mTORC1]]
Message-ID: <20171019190902.18741771@VictoriasJourney.com>

このスレッドのA2ごとに、sed / grepを使用して2つの単語間のテキストを抽出する方法は？以下の最初の式は、一致したテキストに改行が含まれていない限り「機能」します。

grep -o -P '(?<=Subject: ).*(?=molecular)' corpus/01

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key

ただし、多数のバリアント（.+?; /s; ...）を試しても、これらを機能させることができませんでした。

grep -o -P '(?<=Subject: ).*(?=link)' corpus/01
grep -o -P '(?<=Subject: ).*(?=therapeutic)' corpus/01
etc.

解決策1。

異なる行の2つの文字列間の抽出テキストごと

sed -n '/Subject: /{:a;N;/Message-ID:/!ba; s/\n/ /g; s/\s\s*/ /g; s/.*Subject: \|Message-ID:.*//g;p}' corpus/01

与える

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key molecular link in major cell growth pathway: Findings point to new potential therapeutic target in pancreatic cancer [mTORC1 Activator SLC38A9 Is Required to Efflux Essential Amino Acids from Lysosomes and Use Protein as a Nutrient] [Re: Nutrient sensor in key growth-regulating metabolic pathway identified [Lysosomal amino acid transporter SLC38A9 signals arginine sufficiency to mTORC1]]                              

ソリューション2. *

あたりはどのようにsedを使って（\ n）は改行を置き換えることができますか？

sed ':a;N;$!ba;s/\n/ /g' corpus/01

改行をスペースに置き換えます。

2つの単語間のテキストを抽出するためにsed / grepを使用する方法の A2でそれを連鎖させますか？、 我々が得る：

sed ':a;N;$!ba;s/\n/ /g' corpus/01 | grep -o -P '(?<=Subject: ).*(?=Message-ID:)'

与える

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key molecular  link in major cell growth pathway: Findings point to new potential  therapeutic target in pancreatic cancer [mTORC1 Activator SLC38A9 Is  Required to Efflux Essential Amino Acids from Lysosomes and Use Protein as  a Nutrient] [Re: Nutrient sensor in key growth-regulating metabolic pathway  identified [Lysosomal amino acid transporter SLC38A9 signals arginine  sufficiency to mTORC1]] 

この亜種は二重スペースを削除します：

sed ':a;N;$!ba;s/\n/ /g; s/\s\s*/ /g' corpus/01 | grep -o -P '(?<=Subject: ).*(?=Message-ID:)'

与える

[SLC38A9 lysosomal arginine sensor; mTORC1 pathway] Key molecular link in major cell growth pathway: Findings point to new potential therapeutic target in pancreatic cancer [mTORC1 Activator SLC38A9 Is Required to Efflux Essential Amino Acids from Lysosomes and Use Protein as a Nutrient] [Re: Nutrient sensor in key growth-regulating metabolic pathway identified [Lysosomal amino acid transporter SLC38A9 signals arginine sufficiency to mTORC1]]