如何从大文件中提取包含指定字符串的key起始文本块？

需求说明 #

我有一个大文件，结构是以key = ...开头的块——每个块从一行key开头的行开始，到下一行key开头的行结束（最后一个块到文件末尾）。现在需要提取所有包含字符串text的块。

示例文件内容 #

key = asbh
some
lines
of
**text**

key = kafeia
some
more
**text**
and
additionally
more
**text**
and
more

key = lklfh
this
is
another
block

注：key行绝不会包含目标字符串text。

期望输出 #

key = asbh
some
lines
of
**text**

key = kafeia
some
more
**text**
and
additionally
more
**text**
and
more

尝试过的方法及问题 #

• less myfile.txt | sed -n '/key/,/text/p' | less：这个命令会从第一个key开始输出，直到遇到text就停止，会返回大量无关内容，不符合需求。
• less myfile.txt | grep -Pzl '(?s)^key([^key]|\n)*text' | less：这个正则只匹配key到text之间的内容，不会包含到下一个key之前的所有内容，无法完整获取整个块。
• 尝试学习Unix中的if语句用法，但作为新手仍有困惑，希望得到清晰的解决方案。

解决方案 #

方法1：使用awk实现（推荐，高效处理大文件） #

可以把以下内容保存为脚本文件（比如extract_blocks.awk）：

/^key/ {
    if (block && index(block, "text") != 0) {
        print block
    }
    block = $0 "\n"
    next
}
{ block = block $0 "\n" }
END {
    if (index(block, "text") != 0) {
        print block
    }
}

使用方式：

awk -f extract_blocks.awk myfile.txt

也可以直接写成一行命令：

awk '/^key/{if(block&&index(block,"text"))print block;block=$0"\n";next}{block=block$0"\n"}END{if(index(block,"text"))print block}' myfile.txt

原理：

• 匹配到key开头的行时，先检查之前缓存的block是否包含text，如果是就打印该块；然后重置block为当前行。
• 非key开头的行，追加到当前block中。
• 文件结束时，检查最后一个block是否包含text，如果是就打印。

方法2：使用sed实现 #

sed -n '
/^key/{
    :start
    N
    /\nkey/!b start
    /text/p
    d
}
$ {/text/p}
' myfile.txt

原理：

• 匹配到key开头的行后，不断追加下一行（N命令），直到遇到下一行key为止。
• 检查当前收集的内容是否包含text，如果是就打印。
• 最后处理文件末尾的块，检查是否包含text并打印。

Unix if语句基础解释 #

在shell脚本中，if语句用于条件判断，基础格式：

if [ 条件 ]; then
    # 条件成立时执行的命令
elif [ 其他条件 ]; then
    # 其他条件成立时执行的命令
else
    # 所有条件都不成立时执行的命令
fi

比如判断文件是否存在：

if [ -f myfile.txt ]; then
    echo "文件存在"
else
    echo "文件不存在"
fi

在awk这类工具中，if语句语法更接近常规编程语言：

if (条件) {
    # 执行代码
} else {
    # 执行其他代码
}

就像上面awk方案中用到的，用来判断块中是否包含目标字符串。

内容的提问来源于stack exchange，提问作者Magi