獲取bash中某些字符串之間的字符串列表

Question

給定一個文本文件 (.tex)，其中可能包含“\\cite{alice}”、“\\cite{bob}”等形式的字符串，我想編寫一個 bash 腳本，將內容存儲在每個這樣的字符串（“alice”和“bob”）在一個新的文本文件（比如，.txt）中。 在輸出文件中，我希望每個這樣的內容都有一行，並且我也希望避免重復。

嘗試：

• 我想過將 grep 和 cut 結合起來。 從我在 Stack Exchange 上看到的其他問題和答案中，我認為（模數閱讀更多）我可以設法每行至少獲得一個這樣的內容，但我不知道如何獲得所有出現的單行，如果其中有幾個這樣的字符串，並且我沒有看到任何問題或答案在這個方向上給出提示。
• 我也嘗試過使用 sed。 昨天我讀了這個指南，看看我是否遺漏了一些基本的 sed 命令，但我沒有看到任何簡單的方法來做我想做的事情（指南確實提到 sed 是圖靈完備的，所以我相信有辦法做到這僅適用於 sed，但我不知道如何）。

Answer 1

關於什么：

grep -oP '(?<=\\cite{)[^}]+(?=})' sample.tex | sort -u > cites.txt

• -P與GNU grep將正則表達式解釋為 Perl 兼容的（對於后視和前瞻組）
• -o “僅打印匹配行的匹配（非空）部分，每個這樣的部分在單獨的輸出行上” （參見手冊）
• 正則表達式匹配前面是\\cite{ （正后視組(?<=\\\\cite{) ）和右花括號（正后視組(?=}) ）的無花括號文本。
• sort -u排序並刪除重復項

---

有關前向和后向組的更多詳細信息，請參閱Regular-Expressions.info 專用頁面。

Answer 2

您可以使用grep -o並對其輸出進行后處理：

grep -o '\\cite{[^{}]*}' file.tex |
sed 's/\\cite{\([^{}]*\)}/\1/'

如果輸入行上只能有一個\\cite ，那么只需要一個sed腳本就足夠了。

sed -n 's/.*\\cite{\([^{}]*\)}.*/\1/p' file.tex

（將其重構為每行提取多次出現的腳本絕不是不可能的；但祝您在六周后能理解您的代碼。）

像往常一樣，添加sort -u以刪除任何重復。

這是一個簡短的 awk 嘗試：

awk -v RS='\' '/^cite\{/ {
    split($0, g, /[{}]/)
    cite[g[2]]++ }
  END { for (cit in cite) print cit }' file.tex

這方便地不會打印任何重復項，並且可以輕松地處理每行的多個引用。