Text zwischen zwei Tags extrahieren

andras98

Hi!
Ich habe ein riesiges Textfile in dem viele Daten stehen. Manche haben zwei Tags (TagA, TagB) die sie begrenzen. Ich bräuchte eine Idee wie ich die Inhalte zwischen den Tags am besten extrahiere und in eine Datei schreibe.
Ich wollte sie mit grep bekommen was aber scheiterte da die Daten innerhalb der Tags auf übere mehrere Zeilen gehen können.

Code

Blablabla Blablabla Blablabla, Blablabla - öööö Blablabla TagA Dieser Text ist 
wichtig und kann über mehrere Zeilen gehen ... TagB Blablabla Blablabla
Blablabla
BlablablaBlablabla Blablabla Blablabla, Blablabla - öööö Blablabla TagA Auch dieser Text ist 
wichtig und kann über mehrere Zeilen gehen ... TagB Blablabla Blablabla
Blablabla
Blablabla

Output sollte dann sein:

Code

Dieser Text ist wichtig und kann über mehrere Zeilen gehen
Auch dieser Text ist wichtig und kann über mehrere Zeilen gehen

Ideen?
danke!

sutupud

na ja, grep arbeitet normalerweise zeile für zeile...
mit "-z" kannst du es aber dazu zu bringen, das zu umgehen
und im multiline-modus arbeitet man am besten mit pcre
--> man pcrematching

Code

grep -Pzo '(?sm)(?<=TagA).*?(?=TagB)'

damit sollte es eigentlich gehen...

du brauchst hier den PCRE_DOTALL und den PCRE_MULTILINE modus - (?sm)
die tags sollen ja nicht mit gecaptured werden, deshalb brauchst du hier lookbehind bzw. lookahad - (?<=...) (?=...)

andras98

hmm die xml wenn du diese von Word erstellst hat keine Zeilenumbrüche mehr ...
Dachte es gäbe eine Word Funktion die man dafür verwenden kann?

Jetzt mitmachen!