O que devo usar quando o corte não o corta?

Eu tenho um arquivo citiescomo este:

[1598] San Diego, US (inactive)
[4517] St Louis, US (inactive)
[6346] Orlando, US (inactive)

Quero cortar os nomes das cidades, para que eu tenha:

San Diego
St Louis
Orlando

Este é o melhor que eu poderia ter:

cut -d ',' -f1 cities | cut -d ']' -f2

Mas isso ainda me deixa com um espaço antes dos nomes. Existe um cutcomando semelhante que eu possa usar que aceite delimitadores de vários caracteres para que eu possa cortar ]?

Awk (também verifique Awk Info ) é bonito com esse tipo de pergunta. Experimentar:

awk -F'[],] *' '{print $2}' cities

Isso define um separador de campo -Fcomo [],] *- o que significa uma ocorrência de um colchete de fechamento ou de uma vírgula, seguida por zero ou qualquer número de espaços. Claro que você pode mudar isso para atender a qualquer requisito. Leia sobre expressões regulares.

Depois que a linha é dividida, você pode fazer o que quiser com o resultado da divisão. Aqui, decidi imprimir o segundo campo apenas com print $2. Observe que é importante usar aspas simples nas instruções do awk, caso contrário, $ 2 serão substituídos pelo shell.

Você pode modificar o último cutno seu pipeline para isso:

cut -d ' ' -f2-

O texto acima significa que o separador de campos é um espaço em branco e queremos selecionar todos os campos a partir do segundo. A sequência completa se torna:

cut -d ',' -f1 cities | cut -d ' ' -f2-

Para uma análise mais complexa, você deve usar o sed (1) :

sed -e 's/\[[0-9]\+\] \([^,]\+\),.*/\1/' cities

Ou use -rpara simplificar a expressão regular, conforme sugerido por pepoluan :

sed -re 's/\[[0-9]+\] ([^,]+),.*/\1/' cities

Eu normalmente uso Perl quando as coisas ficam muito difíceis para sed e grep.

Existem várias maneiras de escrever no Perl. Por exemplo, você pode preferir que seja rápido, ou pode lidar com pequenos problemas inesperados na entrada (por exemplo, dois espaços onde um era esperado).

Uma maneira óbvia (assume que id é numérico, cidade é alfabética, status é alfabético):

while (<>) {
    if (/^\[\d+\] (\w+(?: \w+)*), \w+ \(\w*\)$/) {
        my $city = $1;
        print "$city\n";
    }
}

Ou mais lento, mas mais permissivo (faz mais retrocessos):

while (<>) {
    if (/^.*\]\s+(.*),.*$/) {
        my $city = $1;
        print "$city\n";
    }
}

Ou mais rápido (o campo para na primeira ocorrência do colchete de fechamento):

while (<>) {
    if (/^\[[^]]*\] ([^,]*), \S+ \([^)]*\)$/) {
        my $city = $1;
        print "$city\n";
    }
}

Na linha de comando, em vez de um script, você pode usar a -nopção, que basicamente adiciona o while (<>) { BLOCK }loop:

perl -ne '/^\[[^]]*\] ([^,]*), \S+ \([^)]*\)$/ and print $1, "\n";' cities

ou se quiser que o uso se pareça com o corte, você pode usar a -Fopção, que é semelhante à -Fopção do awk , por exemplo:

perl -a -n -F'/[],]\s+/' -e 'print $F[1], "\n"' cities

Dessa maneira, obviamente, assume que nenhum campo conterá nenhum dos delimitadores.