abordagem awk
awk '/^domain:/{print}/"nameservers":/,/]/' test_sample.txt
Estou tentando extrair uma única linha contendo domain:
seguido por intervalo de linhas de nameservers"
a ]
. Eu sei como fazer essas coisas separadamente usando grep
e awk
respectivamente, mas não tenho certeza de como fazê-lo de uma vez.
Dados de entrada:
domain: stackexchange.com date: Mon Jul 3 00:43:49 2017 output_dir: /tmp/stackexchange.com.12653
INFO:root:crawl: exiting dom: 'stackexchange.com' took: 10s
INFO:root:2017-07-03 00:44:06:370 slave.py: exiting args.url: 'stackexchange.com' took: 3s
+ comparing web systems
"mail_server_ip": [], | "mail_server_ip": []
"nameservers": [
"ns-925.awsdns-51.net.",
"ns-1029.awsdns-00.org.",
"ns-cloud-d1.googledomains.com.",
"ns-cloud-d2.googledomains.com.",
],
"nameservers_domains": [ | "nameservers_domains": [],
"m
Saída desejada:
domain: stackexchange.com date: Mon Jul 3 00:43:49 2017 output_dir:
"nameservers": [
"ns-925.awsdns-51.net.",
"ns-1029.awsdns-00.org.",
"ns-cloud-d1.googledomains.com.",
"ns-cloud-d2.googledomains.com.",
],
Comandos para extrair dados separadamente:
grep "domain:" test_sample.txt
awk '/nameservers"/,/]/' test_sample.txt
grep com a opção P
( PCRE ):
grep -Poz 'domain: .+ output_dir:|\s*"nameservers": \[[^][]+\],\n' test_sample.txt
A saída:
domain: stackexchange.com date: Mon Jul 3 00:43:49 2017 output_dir:
"nameservers": [
"ns-925.awsdns-51.net.",
"ns-1029.awsdns-00.org.",
"ns-cloud-d1.googledomains.com.",
"ns-cloud-d2.googledomains.com.",
],
O padrão principal é baseado no grupo de alternância regex <domain_line>|<nameservers_lines>
Tags awk