如何匹配包含*仅*四位数的行并删除两个正则表达式匹配之间的行？

Question

我需要处理一个由以下记录组成的文件：

5145
Xibraltar: vista xeral do Peñón
1934, xaneiro, 1 a 1934, decembro, 31
-----FOT-5011--
Nota a data: extraída do listado de compra.
5146
Xixón: a praia de San Lorenzo desde o balneario
ca.1920-1930
-----FOT-3496--
5147
Xixón: balneario e praia de San Lorenzo
ca.1920-1930
Tipos de unidades de instalación: FOT:FOT
-----FOT-3493--

我需要删除1到4位数的记录号（即：5145）以及任何注释，例如“Nota a data：extraídadolistado de compra”，这些记录总是在记录结束后，签名后（ - ---- FOT-xxxx--）和下一个记录的记录号之前。

我一直在尝试编写一个awk程序来执行此操作，但我似乎根本无法掌握awk的语法或正则表达式。

这是我尝试匹配记录号码，这些号码仅包含1到4位数字。 （我想我错过了“唯一”部分）。

$ gawk '!/[[:digit:]]{1,4}/ { print $0 }' myUTF8file.txt

另外，我可以匹配这些（记录签名）：

$ gawk '/-----FOT-[[:digit:]]{4}--/ { print $0 }' myUTF8file.txt
-----FOT-3411--
-----FOT-3406--
-----FOT-3397--
-----FOT-3412--
...

但我不知道如何删除这些和记录号之间的行。

请原谅我的英语和我重复使用的单词记录，我知道这可能会让人感到困惑。

Answer 1

一个小状态机：

awk '
    p {print} 
    /^[[:digit:]]{4}$/ {p=1} 
    /^-----FOT-[[:digit:]]{4}--$/ {p=0}
' file

p变量为真时打印一行：在看到4位数行后打开打印，看到＆＃34; FOT＆＃34;线。

Answer 2

如果音符行始终以字符串＆＃34; Nota＆＃34; （并没有其他行开始）然后这将有效。

awk '
  /^[0-9]{1,4}$/ {next}
  /^Nota /       {next}
  1
' file

你的正则表达式有两种错误：

1. 您撰写了{1-4}而不是{1,4}
2. 您没有使用开始和结束锚点，只有在匹配时才匹配 那个号码是唯一的就行了。所以即使有正确的 如果有1到4位数字，它将匹配量词 任何地方就行了。

上面awk脚本中的1是一个始终为true的模式，因此它会导致执行默认操作（打印记录）。