如何在图案重复时删除图案之间的线条

Question

有一个很大的 HTML 文档，其中 BEGIN 和 END 的术语在整个文档中重复出现。例如，BEGIN 为 <script>，END 为 </script>。对于文档中模式的每个实例，模式之间有可变数量的行（在 <script> 和 </script> 之间）。

已在 sed 中尝试过以下方法：

sed '/\<script>/,/\<\/script>/d'

这个 sed 字符串删除第一次出现的 <script> 和 最后一次 出现的 </script> 之间的所有内容。

也尝试过：

awk '/\<script>/,/\<\/script>/d'

这个 awk 字符串会删除模式之间的所有内容，但与 sed 字符串不同的是，它会保留每次出现的模式，如下所示：

<script>
</script>

总而言之，我可以得到我想要的变体（或相反的变体）。

sed 删除模式（的一个实例）之间的文本
awk 保留模式的所有出现，但删除模式之间的内容，以及模式前后的内容。

我的问题：使用 sed 或 awk（and/or 任何其他 GNU 实用程序），当术语定义模式时如何删除模式之间的内容（ BEGIN 个术语和 END 个术语）在文档中出现多次？

Answer 1

sed 适合我。您确定它删除了第一次和最后一次出现之间的所有内容吗？

for i in {1..20} ; do
    echo $i
    (( 0 == i % 7 )) && echo '<script>'
    (( 0 == i % 8 )) && echo '</script>'
done | sed '\=<script>=,\=</script>=d'

输出：

要查看删除的部分，请在 d:

之前添加一个 !

... | sed '\=<script>=,\=</script>=!d'
<script>
8
</script>
<script>
15
16
</script>

Answer 2

试试：

awk '/<script>/,/<\/script>/{next}1'

Answer 3

据我了解您的问题，您想删除（如您所述）BEGIN 和 END 之间的所有行，保留行 BEGIN 和 END. 如果是这样，这应该适合您：

sed  '/\<script>/,/\<\/script>/ { /<script>/n; /\<\/script>/ !{ d; }; }' input_file

输入：

<html>
 <head>
 <title></title>
<body>
 <script>
SOME SCRIPT
</script>
 <script>
SOME OTHER SCRIPT
 </script>
</head>
</body>
</html>

输出：

<html>
 <head>
 <title></title>
<body>
 <script>
</script>
 <script>
 </script>
</head>
</body>
</html>

Answer 4

另一种 awk 替代方法

awk '/\<script/{p=1};/\/script/{p=0;;next}; !p' file.html

Answer 5

$ cat file
a
<script>
b
</script>
c
<script>
d
</script>
e

$ awk '/<script>/{f=1} !f; /<\/script>/{f=0}' file
a
c
e

如何在图案重复时删除图案之间的线条

How to delete lines between a pattern when the pattern repeats

shell

awk

sed

gawk