使用 sed 删除两行

Question

我正在编写一个可以解析 HTML 文档的脚本。 我想删除两行，sed 如何与换行符一起使用？ 我试过了

sed 's/<!DOCTYPE.*\n<h1.*/<newstring>/g'

这没有用。 我尝试了这个语句，但它删除了整个文档，因为它似乎删除了所有换行符：

sed ':a;N;$!ba;s/<!DOCTYPE.*\n<h1.*\n<b.*/<newstring>/g'

有任何想法吗？ 也许我应该使用 awk？

Answer 1

对于删除两行（如果每行都匹配某个模式）的简单任务，您需要做的就是：

sed '/<!DOCTYPE.*/{N;/\n<h1.*/d}'

这使用与您要删除的第一行匹配的地址。 当地址匹配时，它执行：

然后，它匹配第二行内容的地址（在\n之后）。 如果可行，它将执行：

如果d没有被执行，那么这两行将默认打印并且执行将照常继续。

要为三行调整此值，您只需再次使用N 如果您想拉入多行直到达到某个分隔符，您可以使用 line-pump，它看起来像这样：

/<!DOCTYPE.*/{
    :pump
    N
    /some-regex-to-stop-pump/!b pump
    /regex-which-indicates-we-should-delete/d
}

但是，在sed或awk中编写完整的 XML 解析器是一项艰巨的任务，您最好使用现有的解决方案。

Answer 2

如果 xml 解析工具绝对不是一个选项，awk 可能是一个选项：

awk '/<!DOCTYPE/ { lne=NR+1;next } NR==lne && /<h1/ { next }1' file

当我们遇到带有“<.DOCTYPE”的行时，将变量 lne 设置为行号 + 1 (NR+1) 然后跳到下一行，然后当该行等于 lne (NR==lne) 并且行包含“<h1”。 跳到下一行。 使用 1 打印所有其他行。

Answer 3

我对这样的文档的解决方案：

<b>...
<first...
<second...
<third...
<a ...

这个 awk 命令运行良好：

awk -v RS='<first[^\n]*\n<second[^\n]*\n<third[^\n]*\n' '{printf "%s", $0}'

就这样。

Answer 4

这可能对您有用（GNU sed）：

sed 'N;/<!DOCTYPE.*\n<h1.*/d;P;D' file

Append 下一行，如果模式匹配模式空间中的两行，则删除它们。

否则，打印然后删除两行中的第一行并重复。

要将这两行替换为另一个字符串，请使用：

sed 'N;s/<!DOCTYPE.*\n<h1.*/another string/;P;D'