Question

使用vim，我尝试删除<text>块的所有文本。这需要跨越换行符和其他（不相关的）标记。

我试图使用正则表达式替换换行符的文本，但由于几个原因失败了，其中一个原因是我的尝试没有跨越多行，我需要让我的匹配不贪婪。（这是以某种方式使用{-}完成的吗？）

应匹配我要删除的内容的正则表达式如下：<//text>.*<text.*>但是如果我将此匹配非贪婪，我可能还有其他问题。（我也意识到我会在开始时清理一个部分标签部分。）

是否有其他方法我应该采取，或者有人可以指导我使用vim删除此类标记之间的所有内容不？

编辑：包括示例文本

<contributor>
        <username>MalafayaBot</username>
        <id>628</id>
      </contributor>
      <minor />
      <comment>Robô: A modificar Categoria:Vocábulo de étimo latino (Português) para Categoria:Entrada de étimo latino (Português)</comment>
      <text xml:space="preserve">={{-pt-}}=
==Substantivo==
{{flex.pt|ms=excerto|mp=excertos}}
{{paroxítona|ex|cer|to}} {{m}}
# [[extrato]] de um [[texto]], [[fragmento]]
#: ''A seguir, um '''excerto''' do texto original.''

===Tradução===
{{tradini}}
* {{trad|es|extracto}}
* {{trad|fr|extrait}}
{{tradmeio}}
* {{trad|en|excerpt}}
{{tradfim}}

=={{etimologia|pt}}==
:Do latim ''[[excerptu]]'' (colhido de).

=={{pronúncia|pt}}==
===Brasil===
* [[SAMPA]]: /e.&quot;sEx.tu/
* [[AFI]]: /esˈertu/
[[zh:excerto]]</text>
      <sha1>8i1zywj37s74ah4wnai11ohorfjn8j5</sha1>
      <model>wikitext</model>

Answer 1

你对正则表达式的挣扎表明你正在使用错误的工具来完成工作。

对于从XML中提取文本，您可以使用XSLT，它将比正则表达式更好地处理所有特殊情况。或者使用专用工具，如xidel，一种用于XML的 grep 。有了它，提取就像：

xidel --extract "//text" input.xml

Answer 2

如果您不需要vim，可以尝试使用此sed命令，只需将“test”替换为您的文件名。我会首先在你的文件的COPY上测试它，因为-i选项告诉sed修改你传入的实际文件。

sed -i 's/<\/text>[^<]*/<\/text>/g' test

编辑：看完样本之后，我将采取不同的方法......而不是删除不在标签内的所有文本..我将选择所有块并将其输出到新的文件。希望您的grep版本支持-P选项。试试这个：

grep -Pzo "(?s)<text.*?<\/text>" sample.txt > out.txt

Answer 3

我假设您的文件中只有一个<text>块。在vim中，此行适用于您的示例文本：

%s#\_.*\(<text.\{-}>\_.*</text>\)\_.*#\1#

删除标签外的文字

3 个答案: