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。 有时，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perlrun #Command Switches ：

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

显然，对于大文件，这可能效果不佳，在这种情况下，您需要编写某种类型的缓冲区来执行此替换。 尽管没有关于您意图的真实信息，我们也无法提供更好的建议。

Answer 2

Grepping 跨行边界

所以你想跨行边界grep...

您很可能已经安装了pcregrep 。 如您所知，PCRE 代表Perl-Compatible Regular Expressions ，该库绝对是 Perl 风格的，尽管与 Perl 不同。

要跨多行匹配，您必须打开多行模式-M ，这与(?m)

运行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 会返回空。

摘自文档：

-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 ^ 和 $ 字符的内部出现。 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尾，则输出在该行的末尾结束。

设置此选项后，将在“多行”模式下调用 PCRE 库。 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强加的。 但是，pcregrep 确保至少有 8K 个字符或文档的其余部分（以较短者为准）可用于前向匹配，类似地，前面的 8K 个字符（或所有前面的字符，如果少于 8K）保证可用于后视断言。 当逐行读取输入时，此选项不起作用（请参阅 --line-buffered。）