regex - 管道 sed 命令创建多个文件

Question

我需要在文件中获取多次出现的 X 到 Y，每次匹配一个出现时，它都会保存到文件中。

这是一个示例文件(demo.txt):

\x00START how are you? END\x00
\x00START good thanks END\x00
sometimes random things\x00\x00 inbetween it (ignore this text)
\x00START thats nice END\x00

现在，运行命令后，每个文件(/folder/demo1.txt、/folder/demo2.txt 等)除了“START”之外，还应具有\x00START 和 END\x00 之间的内容(\x00 为空) ' 但不是 'END'。

/folder/demo1.txt 应该显示“START 你好吗？”，/folder/demo2.txt 应该显示“START 非常感谢”。

所以基本上它应该管道“你好吗？”并使用“echo”我可以在前面添加“START”。

值得注意的是，我正在处理一个非常大的二进制文件。

我目前正在使用

sed -n -e '/\x00START/,/END\x00/ p' demo.txt > demo1.txt

但这并没有按预期工作(它在“\x00START”之前获取行，并且不会在第一个“END\x00”处停止)。

Answer 1

如果您有 GNU awk，请尝试:

 awk -v RS='\0START|END\0' '
      length($0) {printf "START%s\n", $0 > ("folder/demo"++i".txt")}
      ' demo.txt

• RS='\0START|END\0' 定义一个正则表达式，充当[输入]记录分隔符，它将输入文件按字符串(字节)分成记录序列)位于 \0START 和 END\0 之间(\0 在此表示 NUL(空字符))。
  • 使用多字符、基于正则表达式的单独记录不符合 POSIX 标准； GNU awk 支持它(mawk 一般情况下也支持它，但似乎不支持 NUL) > 字符。)。
• 模式 length($0) 确保仅当记录非空时才执行关联操作 ({...})。
• {printf "START%s\n", $0 > ("folder/demo"++i)} 输出前面带有 "START" 的每个非空记录，到文件 folder/demo{n}.txt" 中，其中 {n} 表示以 1 开头的序列号。