Linuxの正規表現について

Question

例えば以下の内容が記載されたテキストファイルがあったとします。

$ cat TEST.txt
TEST<YA><A>TEST<TA>
TEST<YA><A>TEST<TANE>

このファイルから
<>と<>内の文字のみを抽出する場合どのような正規表現を使えばよいでしょうか？

Answer 1

「Linuxの」という表現だけではシェルなのか vim なのか、perl なのか回答に困ります。
また「抽出」をどの様にしたいかが指定されていないので、こちらも回答し辛いのですが、入力のテキストから <xxx> の中身だけを抜き取って CSV 形式にするという回答にしてみました。

cat input.txt | sed 's/^[^<]*<//' | sed 's/>[^<]*</,/g' | sed 's/>[^<]*$//'

このコマンドは2つの sed コマンドで成り立っていて、最初の sed は先頭から初めての < までを、2番目の sed は > から < までを、最後の sed は > から終わりまでを削除しています。

[^>] は > でない文字を表すので、最初の sed は「< でない文字を全て削除」、2番目は「> で始まって < でない文字が0個以上続き < までを削除」、最後は「> で始まって < でない文字が終わりまで続く(0個以上)」となります。

Comments

[guitar-guitar]

ご親切に解説いただきありがとうございました。
目的を果たせました。
大変感謝します。

Answer 2

sed 's/>[^<>]*</></g; s/^[^<]*</</; s/>[^>]*$/>/' TEST.txtでどうでしょう。

Comments

[guitar-guitar]

なるほど。;で区切って実行するやりかたは思いつかなかったです。
ありがとうございます。

ですがこの場合だと
TEST<YA><A>TEST<TA>TEST
の場合に変換されずに残ってしまいますね・・・。

[yunano]

手元で実行した限りではTEST<YA><A>TEST<TA>TESTの場合でも、<YA><A><TA>になり問題なかったです。

[yunano]

もしかしたら私が意図を読み間違っているのかもしれませんが。

[guitar-guitar]

申し訳ございません。コマンドミスでした。
画期的な方法を教えていただいて大変勉強になりました。

[mattn]

この正規表現だと入力データが

TEST<YA><A>TEST<TA>
TEST<YA><A>TEST<TANE>>

だと失敗するかもしれません。

[yunano]

囲いになってない単品の<や>があったり、入れ子になっている場合は、どういう処理にすべきかは別途決めないとなりませんね。