regex - 如何将命令行中的多行模式与 perl 样式的正则表达式匹配？

Question

我经常使用正则表达式来转换文本。

要从命令行转换巨大的文本文件，perl 让我这样做：

perl -pe < in.txt > out.txt

但这本质上是逐行的。偶尔，我想匹配多行的东西。

如何在命令行中执行此操作？

Answer 1

要 slurp 文件而不是逐行处理，请使用-0777开关：

perl -0777 -pe 's/.../.../g' in.txt > out.txt

如记录在perlrun #Command Switches：

特殊值-00将导致 Perl 在段落模式下 slurp 文件。任何值-0400或更高的值都会导致 Perl 读取整个文件，但按照惯例，该值-0777是通常用于此目的的值。

显然，对于大文件，这可能无法正常工作，在这种情况下，您需要编写某种类型的缓冲区来进行替换。尽管没有有关您意图的真实信息，但我们无法提供更好的建议。

Answer 2

跨越线边界

所以你想跨越线边界...

你很可能已经pcregrep安装了。您可能知道，PCRE 代表Perl-Compatible Regular Expressions，并且该库绝对是 Perl 风格的，尽管与 Perl 不同。

多行匹配，需要开启多行模式-M，和(?m)

跑步pcregrep -M "(?s)^b.*\d+" text.txt

在这个文本文件上：

a
b
c11

输出将是

b
c11

而 grep 将返回空。

文档摘录：

-M, --multiline 允许模式匹配多于一行。当给出这个选项时，模式可能有用地包含文字换行符和内部出现的 ^ 和 $ 字符。成功匹配的输出可能包含多行，最后一行是匹配结束的那一行。如果匹配的字符串以换行序列结束，则输出在该行的末尾结束。

设置此选项时，PCRE 库以“多行”模式调用。可以匹配的行数是有限制的，这是由 pcregrep 在扫描输入文件时缓冲输入文件的方式所施加的。但是，pcregrep 确保至少 8K 字符或文档的其余部分（以较短者为准）可用于前向匹配，并且类似地，之前的 8K 字符（或之前的所有字符，如果少于 8K）可用于前向匹配。保证可用于后向断言。此选项在逐行读取输入时不起作用（请参阅 --line-buffered。）