第一个问题，所以我们走了。
我正在尝试使用awk从40个文档中提取选择的文本。每个文档都有唯一的格式（没有相同的长度，标题不同等）。
我想要做的是编写一个自适应awk程序，我可以在文本之间轻松更改。我已经列出了所有文本中最具代表性的一部分。有了一个很好的答案，我可以适应其余的。我的技能很好，但对于我遇到的一些问题还不够好。
基本上，我正在使用准系统一个衬垫： awk'/ Subject A / {p = 1} / CIP / {print; p = 0} p'sample.txt
在此
Subject A
DISCIPLINE AREA
CIP
Code
random material
Subject A #note that this is the second instance of Subject A
UN
Description of Subject
Subject B
DISCIPLINE AREA
CIP
Code
etc...
我得到了结果：
The second instance of Subject A
all the way through to
Subject B
我想做什么： 在“主题A”的第一个实例之间打印/输出所有材料，包括“主题A”的第二个实例，并在“主题B”之前结束。
问题： 有数百个这样的重复，唯一不变的是一个主题，学科领域和一个块中的cip。我无法获得该块的完整描述，因为它从第二个主题B开始。
我见过很多解决方案，但我不能让他们在我的工作：（
任何参赛者？
对不起它太长了但我不得不解释一下。 -R
答案 0 :(得分：1)
非常简单的TXR提取工作：
@(skip)
@ (all)
Subject A
@darea
CIP
Code
@ (and)
@ (collect)
@line
@ (until)
Subject B
@ (end)
@ (end)
@(do (put-lines line))
这假设Subject A和CIP以及Code是文字文字，但DISCIPLINE AREA会有所不同。因此，整个DISCIPLINE AREA被捕获到变量中，而不是与文本匹配。这些细节很容易调整。例如，如果每个文件在A中都有Subject A的不同标识符，等等。
为什么我们匹配第一个Subject A是因为@(skip)是不正确的。
另外，重要的是，我们有一个@(all)构造，它可以并行匹配两个特征。两者都必须匹配。 @(skip)将跳过文件中的材料，直到@(all)的两个子句找到匹配为止。
@(all)的一个分支与多行Subject A结构相匹配，该结构必须在正确的位置有CID和Code。例如，如果CIP没有出现或在同一行后面跟着垃圾，或者Code后面没有，那么就没有匹配。
与此同时，我们有另一个模式匹配子句（由@(and)分隔，其中@(collect) which gathers lines into a list until just before主题B`。
当@(all)的两个分支匹配时，我们所要做的就是转储收集的行列表。
@(collect)子句中匹配的变量会自动变为字符串列表。要输出我们只使用put-lines。
执行命令
$ txr extract.txr data
Subject A
DISCIPLINE AREA
CIP
Code
random material
Subject A #note that this is the second instance of Subject A
UN
Description of Subject
因此，您可以看到这是一种强大的方法，其中跨多行文本的多个模式协同工作以避免误报，但六个月后很容易阅读代码并仍然了解它正在寻找什么和提取
假设Subject部分必须只有一部分：CIP或Code都可以。 TXR＆＃39; fuzz可以很好地表达这一点：
@(fuzz 1 2)
CIP
Code
这意味着＆＃34;以下两行中至少有一行必须匹配＆＃34;。