如何用sed识别MediaInfo输出的文本块并解决无关块输出问题

你的sed命令逻辑存在漏洞：

• 命令中/^Text #/!{H;$!d}会把所有非Text #开头的行（包括General、Video、Audio块的全部内容）持续追加到保持空间，直到遇到第一个Text #开头的行。
• 此时执行x会将保持空间里累积的所有前置块内容，与当前Text块内容合并到模式空间。如果这个Text块包含English，就会连带输出前面的General、Video、Audio内容。
• 后续的Text块虽会覆盖保持空间，但第一个匹配的块已经把前置内容带出来了。

要准确分割MediaInfo的块，需以每个块的起始行（如General、Video #N、Text #N这类行）作为分隔点，遇到新块就重置保持空间：

sed -n '
  /^[A-Z][a-z]* #\?/{
    x
    /English/p
    s/.*//
    x
  }
  H
  ${x;/English/p}
' input.txt

逻辑说明：

• 匹配到任意块的起始行时，先交换保持空间与模式空间，检查是否含English并输出，随后清空保持空间，再交换回来将当前块起始行存入保持空间。
• 非起始行直接追加到保持空间。
• 最后一行处理完成后，再检查一次保持空间的内容。

直接处理MediaInfo纯文本易出错，建议用它的结构化输出功能，配合MKVToolNix实现批量操作：

1. 提取英文字幕ID #

用MediaInfo的Inform参数直接输出字幕ID与语言：

mediainfo --Inform="Text;%ID%|%Language%\n" yourfile.mkv | grep -i "english" | cut -d'|' -f1

批量遍历目录下MKV文件的写法：

for file in *.mkv; do
  english_sub_ids=$(mediainfo --Inform="Text;%ID%|%Language%\n" "$file" | grep -i "english" | cut -d'|' -f1 | tr '\n' ',')
  english_sub_ids=${english_sub_ids%,} # 去掉末尾多余逗号
  echo "$file: 英文字幕ID为 $english_sub_ids"
done

2. 清理非英文字幕并生成新文件 #

用mkvmerge仅保留视频、音频和英文字幕：

mkvmerge -o "clean_$file" --subtitle-tracks "$english_sub_ids" "$file"

3. 提取英文字幕为SRT文件 #

用mkvextract导出指定ID的字幕：

for id in $english_sub_ids; do
  mkvextract tracks "$file" "$id:${file%.mkv}_eng_$id.srt"
done

将上述步骤整合到脚本中，即可一次性完成批量处理。

内容的提问来源于stack exchange，提问作者anothers