bash - 文本处理 - 如何使用 sed 从搜索结果中删除部分字符串？

Question

我正在解析 .xml 文件以查找 HTML 标记内的名称。我找到了我需要的东西，但我只想保留姓氏。

这是我到目前为止所拥有的(用于名称的grep命令+结果清理，包括删除标签和文件名，稍后我将对它们进行排序并仅保留唯一性姓名):

grep -oP '<name>([A-ZÖÄÜÕŽS][a-zöäüõžš]*)[\s-]([A-ZÖÄÜÕŽS][a-zöäüõžš]*)</name>' *.xml --colour | sed -e 's/<[^>]*>//g' | sed 's/la[0-9]*//' | sed  's/$*.xml://' 

输出看起来像这样:

Mart Kreos
Hans Väär
Karel Väär
Jaan Tibbin
Jüri Kull

我想保留姓氏，但删除名字。

我尝试使用以下命令，但它只对某些名称有效，对其他名称无效:

sed -r 's/([A-ZÖÄÜÕŽŠ][a-zöäüõžš]+[ ])([A-ZÖÄÜÕŽS][a-zöäüõžš]+)/\2/g'

Answer 1

你应该使用 cut . 它更适合您要在此处实现的目标。而且您将避免与 UTF-8 字符纠缠不清。

这将为您的示例输出中的所有名称提供预期的结果:

cut -d ' ' -f 2