sed, grep i znaki nowej linii

[daris]

Przykładowo mam taki plik:

Kod: Zaznacz cały

<h2>
jakiś tekst
</h2>

jak więc pobrać tekst będący pomiędzy <h2> a </h2> ? Grep działa dobrze tylko wtedy jak wszystko jest w jednej linijce, sed tak samo. Jak więc to zrobić? I nie chodzi mi o to żeby tylko usunąć h2 bo ten przytoczony tekst to jest tylko niewielki fragment pliku.

[gril]

poczytaj o wyrażeniach regularnych i spróbuj jeszcze raz z sedem (lub awk)

PS
a jeżeli tekst jest bardziej skomplikowany to lex

[benitecs]

Kod: Zaznacz cały

grep -v 'h2>$' /scieżka/do/pliku

[gril]

grep -v nie zadziała jeżeli cały tekst jest w jednej linii

[daris]

Kod: Zaznacz cały

grep -v 'h2>$' /scieżka/do/pliku

Widzę że nie zrozumieliście o co mi chodziło - takie coś jest za proste. Chodzi o to że w pliku nie ma samego <h2> tylko jest mnóstwo kodu html. To z tym h2 to był akurat tylko przykład.

Z tym wcześniejszym częściowo sobie poradziłem, tak wyglądał cały tekst:

Kod: Zaznacz cały

<dużo kodu html>
<div id="tex" style="coś tam">
jakiś tekst

jakiś tekst

jakiś tekst

</div>
<div id="tex2" style="coś tam">

jakiś tekst

jakiś tekst

jakiś tekst

</div>
<kod html>

Potrzebne mi było pobrać tekst pomiędzy jednym i drugim div'em. Poradziłem sobie grepując linie z
i zamieniając <div ...> na spację Teraz mam wszystkie linie z
- a jak pobrać tylko zawartość pierwszego div'a?

[leon1313]

eeee, grep i sed jest dla lamerów

Kod: Zaznacz cały

cat wejscie.txt | awk '{ if(/<\/div/){a=0}; if(a==1){print $0}; if(/<div/){a=1}}'

jak chcesz mieć też linie z div-em, to zamień trzecie wyrażenie w awk z pierwszym ( średniki oddzielają wyrażenia). Jak nie chcesz mieć końca linii, to daj printf zamiast print. Zawartość z pierwszego diva-a?

Kod: Zaznacz cały

cat wejscie.txt | awk 'BEGIN{a=0}{ if(/<\/div/){a++}; if(a==1){print $0}; if(/<div/){a++}}'

Pamiętaj, że to tylko przykład..pisany przy browarze
A gdybyś chciał zawartośc dowolej div-y , zmień ll==1 na inną wartość:

Kod: Zaznacz cały

cat wejscie.txt | awk 'BEGIN{a=0; ll=0}{ if(/<\/div/){a=0}; if((a==1) && (ll==1)){print $0}; if(/<div/){a=1; ll++}}'

[daris]

Dzięki leon1313 za pomoc awk jest zdecydowanie lepszy od grepa

Jeszcze małe pytanko: jak zamienić \n\n na \n ? (chodzi o usunięcie podwójnych znaków nowej linii). W PHP to było łatwe, a jak w bashu?

PS. Jest jakaś funkcja/program zamieniający html'owe znaki na ich normalne odpowiedniki czy mam to robić sed'em ? Chodzi o np to:

Kod: Zaznacz cały

it& #8217;s alright

& #8217; = '
(dałem spację pomiędzy & a # bo forum zamienia to na "normalne znaki"

[leon1313]

Musiałbym mieć plik wejściowy, aby na nim testować. AWK jest fajnym narzędziem, ale jeśli chcesz się bawić w poważniejsze parsery, to ukłoń się w kierunku perla lub ruby'ego

[mortywd]

W AWK można ustawić separator pól, co więcej można ustawić wyrażenie regularne jako separator pól, więc powinno się dać ustawić, żeby separatorem pól wejściowych był dowolny tag html - czyli "<cokolwiek>" - szczegóły musiałbym sam doczytać ("Efektywne programowanie w AWK", gdzieś w sieci) i potestować.
Jeśli chodzi o usunięcie pustych linii:

Kod: Zaznacz cały

awk 'NF==0 {next}; {print}

wypisuje wszystkie linie, które zawierają conajmniej jedno pole (t.j. znak inny niż biały). Powinno zadziałać, jeśli nie - spróbuj NF==1.
Objaśnienia:
* NF - liczba pól bieżącego rekordu
* next - przejdź do analizy następnej linii
przerzuć wspomniany podręcznik - jest niezły i po polsku, sam z niego ciągle korzystam, choć nigdy nie przeczytałem od deski do deski

[ethanak]

szczegóły musiałbym sam doczytać

Dobry pomysł...