perl - 提取由预定义的多行字符序列包围的部分

Question

希望AWK高手能解决我的问题。

我有一个这样的文件:

cat cat cat cat cat cat dog rat ate dog tit 
dog cat dog dog dog rat dog pat ate cat dog

我必须使用 AWK 来提取第一个 c 和 d 之间的模式。从第一个 c 开始计数应该保留在 c 和 d 的数量上，这样当计数匹配时，第一个 c 和匹配的部分之间的部分d 应该输出到一个文件中，其中包含匹配 d 的行号。

在这个特定的例子中，匹配发生在第七只狗身上，因此输出必须是:

cat cat cat cat cat cat dog rat ate dog tit 
dog cat dog dog dog rat d

匹配可以超过两行! 输出可以包含也可以不包含c和d。文本中存在各种字符，包括特殊字符!为了进行打印，计数必须匹配。

预先感谢您的回复。随时欢迎提出建议。

编辑:c 和 d 之间模式的捕获可以妥协，只要满足条件和导出行号 d 获得:)

Answer 1

一些提示，没有给出完整的解决方案:

默认情况下，awk 将每一行视为一条记录。默认的记录分隔符是 RS="\n" .

根据您的 awk 版本，您可以设置 RS ，记录分隔符，到匹配 c 的正则表达式或 d .然后，对于每条记录，您可以检查 RT变量，它将包含 c或 d ，取决于实际匹配的内容。从那里开始，使用在 c 上递增的变量, 在 d 上递减当它到达 0 时，您将能够找到匹配的结尾。

然后您可以使用一个包含到目前为止匹配项的变量，并继续连接 RT和新记录，直到你完成。

如果需要知道匹配结束的行号，可以设置RS匹配 c 的正则表达式, d ，和以前一样，但也增加了匹配 \n 的可能性.并通过维护另一个每次递增的计数器变量 RT告诉你\n已匹配，您将获得行号。