Extrair triplos trechos de blocos delimitados por backtick '' 'trechos do arquivo de marcação

Question

Eu tenho um arquivo markdown pandoc que tem muito código. Eu quero extrair todos os bits de código do arquivo, de preferência usando sed . A sintaxe do código em pandoc é de três ou mais sinais '' 'para iniciar e terminar o segmento de código.

'''
Code is here
'''

Eu posso extrair uma linha, mas não tenho como extrair entre marcadores .

    

Answer 1

sed -n '/^'''/,/^'''/ p' < input.file

Imprimirá todas as linhas entre '' ', mas incluindo as linhas' '' também. Para se livrar disso:

sed -n '/^'''/,/^'''/ p' < input.file | sed '/^'''/ d'

Você pode encontrar uma explicação de como usar intervalos de linha por padrão e os comandos 'p' e 'd' começando aqui:

link

    

Answer 2

Você também pode usar perl :

perl -0777e '$_=<>;print $1 while /^'{3,}\s*\n(.*?)^'{3,}\s*\n/msg' your_file

Explicação

• A parte 0777 define o separador de registro de entrada ( $/ ) para fazer o slurp do arquivo inteiro
• O regex procura por uma linha que comece com 3 ou mais backticks, em seguida, combina e captura o menor número possível de linhas (garantido pelo quantificador lento *? ) seguido por uma linha começando com 3 ou mais ticks.
• O modificador regex m garante que ^ corresponderia ao início das linhas e não apenas ao início do arquivo. O modificador s certifica-se de que . corresponderá a um caractere de nova linha para que .*? possa corresponder a várias linhas. Finalmente g certifica-se de que o regex será aplicado iterativamente ao conteúdo do arquivo para que todas as correspondências sejam encontradas.

Answer 3

NOTA: eu sou o desenvolvedor principal & mantenedor do rundoc.

Para quem procura uma ferramenta de uso geral para esse tipo de coisa:

Rundoc é uma ferramenta de uso geral para executar ou extrair blocos de código protegidos de arquivos de remarcação. Você pode instalá-lo através do pip para python3: pip3 install rundoc .

Para extrair blocos de código:

rundoc list-blocks your_file.md -t#bash#perl#python

extrairá blocos de código com a tag bash , perl ou python highlighting. Infelizmente os blocos de códigos sem marcas de destaque são sempre ignorados.

Você também pode executar o arquivo de marcação como um script com

rundoc run your_file.md -t#bash#perl#python

Isso executará todos os blocos de código com a tag de realce correspondente e usará a tag de realce para encontrar o intérprete adequado.

NOTA: Para obter código puro sem JSON ou cabeçalhos, use jq tool:

rundoc list-blocks your_file.md | jq -r "(.code_blocks[] | {code}).code"

    

Answer 4

Você pode usar o próprio pandoc para extrair o código de todos os blocos de código. (Estas instruções são para a versão pandoc > = 2.0. Nenhum outro software é necessário; o pandoc inclui um intérprete lua.).

Crie um arquivo extractcode.lua com o conteúdo:

function CodeBlock(el)
    print(el.text)
end

Agora execute pandoc da seguinte forma, em que myfile.md é seu arquivo de remarcação:

pandoc --lua-filter extractcode.lua myfile.md -o /dev/null

Isto irá imprimir o conteúdo de todos os blocos de código. Observe que isso incluirá todos os blocos de código em myfile.md , incluindo blocos de código recuados. Ao contrário das soluções sed propostas nas outras respostas, também incluirá blocos de código que ocorrem em contextos recuados, como itens de lista ou blockquotes:

1.  '''lua
    a = 5
    ''''

> '''
> my code
> '''

E ele não ficará confuso com coisas como essa, em que os backticks fazem parte do bloco de códigos e não de delimitadores:

''''
'''
code example with three backticks as part of the code block
'''
''''