使用标准命令行工具提取关键字？

使用sed，您可以将其编写为：

sed '/\([^:]*\):.*{IPA|\([^}]*\).*/!d;s//\1 \2/;s,/,,g;:1
     s/\(\([^ ]*\).*\)|/\1\n\2 /;t1'

细目分类（@slm，谢谢）

上面的命令可以分解如下：

1. 解析输入when: ... {IPA|...}并删除不匹配的行。

   在 /pattern/!d; s//repl/

   我们[d]放弃与模式不匹配的行，然后在下一个[s]替换命令中重复使用相同的模式（空模式意味着重用最后一个模式）。代替[d]删除不匹配的行，我们可以通过使用b而不是使它们保持不变d，或者如果我们知道所有行都与模式匹配，则可以s/pattern/repl/直接使用。

   /\([^:]*\):.*{IPA|\([^}]*\).*/
   

   该模式将数据分为2个块​​。第一块是when:。这段代码\([^:]*\):说要取走所有字符，直到遇到a为止，:并暂时保存它。变数（\1）。

   :最高到（包括）之间的所有字符{IPA|都将被跳过。所保存的下一位是IPA|。之后的所有内容。这是通过此代码块来完成的，该代码块\([^}]*\)表示保存所有代码，直到}遇到a。这保存在变量（\2）中。

   注意：在sed任何时候要保存字符串的大部分内容时，都可以将其包装在括号中。他们需要使用a进行转义，以\使sed您知道这并不是字面上的括号。像这样：\( savethis \)。

   例子

   $ sed 's/\([^:]*\):.*{IPA|\([^}]*\).*/\1 \2/;' sample.txt
   when /wɛn/|/ʍɛn/
   

2. 删除所有正斜杠（/）

   这看起来更复杂，因为它使用了备用分隔符。您通常会使用form s///g，但是sed让我们即时创建分隔符，所以我们使用逗号代替（s,,,g）。该块搜索/并将其替换为空。

   例子

   $ sed '/\([^:]*\):.*{IPA|\([^}]*\).*/!d;s//\1 \2/;s,/,,g;' sample.txt
   when wɛn|ʍɛn
   

3. 遍历每个IPA

    :1 s/\(\([^ ]*\).*\)|/\1\n\2 /;t1
   

   到目前为止，这是此解决方案中最复杂的部分。很难知道发生了什么，但是此块是一个有条件的分支。

    :label command(s) t label
   

   该标签是:1在指令（或多个）s/\(\([^ ]*\).*\)|/\1\n\2 /;和t label是“测试”的是看到如果前面的命令修改的模式空间。如果是这样，则跳转到标签1，因此t1。

4. 循环内的命令

   如果我们花label ... loop一秒钟时间，然后增加IPA示例，使其具有3个，则可以看到发生了一些变化。

   {{IPA|/wɛn/|/ʍɛn/|/blah/}}
   

   到此为止，我们将使用先前的命令结束此操作。

   when wɛn|ʍɛn|blah
   

   如果我们现在运行此命令：

   $ echo "when wɛn|ʍɛn|blah" | sed 's/\(\([^ ]*\).*\)|/\1 \2 /;'
   

   我们得到这个：

   when wɛn|ʍɛn
   when blah
   

   您能看到它现在在做什么吗？是的，我也没有，所以让我们简化一点，取出换行符（\n）并交换一些较短的字符串。

   简单的例子

   $ echo "X C1|C2|C3" | sed 's/\(\([^ ]*\).*\)|/\1 \2 /;'
   X C1|C2 X C3
   

   现在，这里发生的事情是代码\(\([^ ]*\).*\)|很聪明，因为它嵌套了括号，以便它们像这样( ( ) )。内部括号中匹配的是没有空格的任何东西。这就是when字符串。外部parse匹配所有内容，直到最后一个管道（|）。

   此代码段的另一个有趣之处是，对括号进行排序，以便将外部的存储在\1内部，而将内部的存储在内部\2。这是因为sed根据遇到它们的顺序对它们进行编号。

   您可以通过使用附加\1的和扩展代码片段来使自己相信这一点\2。

   $ echo "X C1|C2|C3" | sed 's/\(\([^ ]*\).*\)|/\1 \1 \1 /;'
   X C1|C2 X C1|C2 X C1|C2 C3
   
   $ echo "X C1|C2|C3" | sed 's/\(\([^ ]*\).*\)|/\1 \2 \2 /;'
   X C1|C2 X X C
   

   因此，循环内的命令基本上要花X2倍的时间。一次作为整体的一部分X C1|C2（外部括号），第二次作为直至空间的任何内容（内部括号）。

5. 返回条件分支

   好的，因此分支基本上将在＃5中调用该命令，因为IPA的数目超过2。sed分支构造将继续重新运行该命令，直到该命令不再修改替换为止，然后该命令停止。

   例子

   $ echo "X C1|C2|C3" | sed ':1 s/\(\([^ ]*\).*\)|/\1\n\2 /; t1'
   X C1
   X C2
   X C3
   

希望以上内容能在将来对其他路人有所帮助。