在第一次和第n次出现模式之间获取子字符串

Question

我试图在linux shell中的第一个和第n个模式之间提取一个子字符串（使用sed，awk，...）。

示例字符串：

AAA_BBBB__CCC__GGGG___fffffffffffffff_hhhh

我需要在第一次出现"*_"（n连接下划线）之后的子标记，直到"*_"的第n次出现。

例如，第1次和第4​​次出现的子串的结果将是

BBBB__CCC__GGGG

使用sed，awk或其他工具最好的方法是什么？

Answer 1

这是使用sed的一种方式。这将选择第1次和第n次出现之间的子串。出现的数字格式为n - 1：

sed 's/^[^_]\+_\+\(\(_*[^_]\+\)\{3\}\).*/\1/'

或者如果你有GNU sed：

sed -r 's/^[^_]+_+((_*[^_]+){3}).*/\1/'

测试：

echo "AAA_BBBB__CCC__GGGG___fffffffffffffff_hhhh" | sed -r 's/^[^_]+_+((_*[^_]+){3}).*/\1/'

结果：

BBBB__CCC__GGGG

---

---

为了好玩，让我们说你想从任何长度的行的开头找到任意数量的组之间的子串。例如，如果您尝试的偏移量为4，长度为1，请尝试：

sed -r 's/^([^_]+_+){4}((_*[^_]+){1}).*/\2/'

结果：

fffffffffffffff

非常酷吧？