Para um conjunto de números de linha ... Extrai o conteúdo entre a primeira e a última ocorrência de diferentes padrões

Question

Eu tenho um conteúdo semelhante em um arquivo. Eu tenho uma lista de números de linha comigo dizer 1,2, 4.

1. Pode alimentar todos os #s da linha necessários
2. Extraia o conteúdo entre a primeira ocorrência e a última ocorrência de </book>

Dados:

</p><p>abc</p></book><book><p style="text-indent:0em;">def</p></book><book><p>ghi</p><p style="text-indent:0em;"></book><book><div><p>  
</div><p>123</p></book><book><p style="text-indent:0em;">456</p><p>789</p><p style="text-indent:0em;"></book><book><div><p>  
<div><p>nothing !!!</p></div>  
</p><p>ABC</p></book><book><p style="text-indent:0em;">DEF</p></book><book><p>GHI</p><p style="text-indent:0em;"></book><book><div><p>JKL</p></div></book><div>  

Nºs da linha de entrada: 1, 2, 4 (que eu quero alimentar no comando)

Saída desejada:

<book><p style="text-indent:0em;">def</p></book><book><p>ghi</p><p style="text-indent:0em;"></book>
<book><p style="text-indent:0em;">456</p><p>789</p><p style="text-indent:0em;"></book>
<book><p style="text-indent:0em;">DEF</p></book><book><p>GHI</p><p style="text-indent:0em;"></book><book><div><p>JKL</p></div></book>

    

Answer 1

1) Extraia linhas específicas

Em seu exemplo de quatro linhas para extrair a 1ª, a 2ª e a 4ª linha, será fácil excluindo a terceira linha:

sed 3d file

Mas seu arquivo é provavelmente mais complicado, então uma solução mais geral seria fazer

sed -e 1b -e 2b -e 4b -e d file

Portanto, para cada linha que deve ser mantida, você pula para o final do script com b e exclui todos os arquivos restantes.

Para uma lista mais longa de números de linha, convém gerar o script:

sed $(for i in 1 2 4; do echo "-e ${i}b"; done) -e d file

Mas parece que não se trata dos números de linha, mas se há <book> s nessa linha. Se isso for verdade, é melhor esquecer os números de linha e fazer

sed '/<book>/!d' 

2) extraindo o conteúdo

Greedy * da regexp não é amigo de tarefas como esta. É por isso que minha versão pessoal de sed tem uma opção o para o comando s para substituir o nly pela parte correspondente:

sed '/<book>/!d;s_<book>.*</book>_&_o' 

Mas isso não vai funcionar para você, então você precisa de mais malabarismos com o regex:

sed '/<book>/!d;s_<book>_\n&_;s_.*\n__;s_\(.*</book>\).*__' file

Se a sua versão de sed não suportar \n na sequência de substituição, use uma nova linha real (com uma barra invertida):

sed '/<book>/!d;s_<book>_\
&_;s_.*\n__;s_\(.*</book>\).*__' file

    

Answer 2

com perl :

#!/usr/bin/env perl

use strict;
use warnings;

use v5.10;

my @lines = (1, 2, 4);

while(<>) {
    next unless $. ~~ @lines;
    chomp;
    s#.*?(<book>.*</book>).*#$1#;
    say
}