linux - 使用 sed 或 awk 重复提取两个字符串之间的文本？

Question

我有一个名为“plainlinks”的文件，如下所示：

13080. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-94092-2012.gz
13081. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-94094-2012.gz
13082. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-94096-2012.gz
13083. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-94097-2012.gz
13084. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-94098-2012.gz
13085. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-94644-2012.gz
13086. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-94645-2012.gz
13087. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-94995-2012.gz
13088. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-94996-2012.gz
13089. ftp://ftp3.ncdc.noaa.gov/pub/data/noaa/999999-96404-2012.gz

我需要生成如下所示的输出：

999999-94092
999999-94094
999999-94096
999999-94097
999999-94098
999999-94644
999999-94645
999999-94995
999999-94996
999999-96404

Answer 1

使用sed：

sed -E 's/.*\/(.*)-.*/\1/' plainlinks

输出：

999999-94092
999999-94094
999999-94096
999999-94097
999999-94098
999999-94644
999999-94645
999999-94995
999999-94996
999999-96404

要保存对文件的更改，请使用以下-i选项：

sed -Ei 's/.*\/(.*)-.*/\1/' plainlinks

或者保存到一个新文件然后重定向：

sed -E 's/.*\/(.*)-.*/\1/' plainlinks > newfile.txt

解释：

s/    # subsitution
.*    # match anything
\/    # upto the last forward-slash (escaped to not confused a sed)
(.*)  # anything after the last forward-slash (captured in brackets)
-     # upto a hypen
.*    # anything else left on line
/     # end match; start replace 
\1    # the value captured in the first (only) set of brackets
/     # end

Answer 2

只是为了好玩。

awk -F\/ '{print substr($7,0,12)}' plainlinks

或与grep

grep -Eo '[0-9]{6}-[0-9]{5}' plainlinks

Answer 3

假设格式与您所描述的保持一致，您可以使用awk：

awk 'BEGIN{FS="[/-]"; OFS="-"} {print $7, $8}' plainlinks > output_file

输出：

999999-94092
999999-94094
999999-94096
999999-94097
999999-94098
999999-94644
999999-94645
999999-94995
999999-94996
999999-96404

说明：

• awk一次读取一行输入文件，将每一行分成“字段”
• 'BEGIN{FS="[/-]"; OFS="-"}指定在输入行上使用的分隔符应该是/或-，它还指定输出应该由-
• {print $7, $8}'告诉 awk 打印每行的第 7 和第 8 字段，在这种情况下999999，9xxxx
• plainlinks是输入文件的名称所在的位置
• > output_file将输出重定向到一个名为output_file

Answer 4

只需使用 shell 的参数扩展：

while IFS= read -r line; do
    tmp=${line##*noaa/}
    echo ${tmp%-????.gz}
done < plainlinks

Answer 5

如果格式保持不变，则不需要 sed 或 awk：

cat your_file | cut -d "/" -f 7- | cut -d "-" -f 1,2