Я пытаюсь извлечь одну строку, содержащую domain: за ней следует диапазон строк от nameservers" ] Я знаю, как делать эти вещи отдельно, используя grep и awk соответственно, но не уверен, как это сделать сразу.
Входные данные:
domain: stackexchange.com date: Mon Jul 3 00:43:49 2017 output_dir: /tmp/stackexchange.com.12653 INFO:root:crawl: exiting dom: 'stackexchange.com' took: 10s INFO:root:2017-07-03 00:44:06:370 slave.py: exiting args.url: 'stackexchange.com' took: 3s + comparing web systems "mail_server_ip": [], | "mail_server_ip": [] "nameservers": [ "ns-925.awsdns-51.net.", "ns-1029.awsdns-00.org.", "ns-cloud-d1.googledomains.com.", "ns-cloud-d2.googledomains.com.", ], "nameservers_domains": [ | "nameservers_domains": [], "m
Желаемый результат:
domain: stackexchange.com date: Mon Jul 3 00:43:49 2017 output_dir: "nameservers": [ "ns-925.awsdns-51.net.", "ns-1029.awsdns-00.org.", "ns-cloud-d1.googledomains.com.", "ns-cloud-d2.googledomains.com.", ],
Команды для извлечения данных отдельно:
grep "domain:" test_sample.txt awk '/nameservers"/,/]/' test_sample.txt
подход awk
awk '/^domain:/{print}/"nameservers":/,/]/' test_sample.txt
grep с параметром P ( PCRE ):
grep -Poz 'domain: .+ output_dir:|\s*"nameservers": \[[^][]+\],\n' test_sample.txt
Выход:
domain: stackexchange.com date: Mon Jul 3 00:43:49 2017 output_dir: "nameservers": [ "ns-925.awsdns-51.net.", "ns-1029.awsdns-00.org.", "ns-cloud-d1.googledomains.com.", "ns-cloud-d2.googledomains.com.", ],
Основной шаблон основан на группе чередования регулярных выражений <domain_line>|<nameservers_lines>