sedでメールヘッダーの継続行を一行にまとめる

1メール1ファイルの状態で、To:やCc:に特定のメールアドレスを含むものだけ抽出したいとか、From:行だけ全部取り出したいとかやろうとすると、ヘッダーの継続行の扱いがけっこう面倒くさいですね。

普通ならPerlやPythonで書けばよいのだろうけれど、sed で継続行を一行にまとめる処理を書いてみました。

sedは読み込んだ行はパターンスペースに配置して、このパターンスペースが操作の対象となりますが、もうひとつホールドスペースというのを持っていて、これをうまく使うことで複数行を処理できます。

サンプルコード

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

:top /^$/q /^[A-Za-z]/{ /^[Ff][Rr][Oo][Mm]:/b concat /^[Tt][Oo]:/b concat /^[Cc][Cc]:/b concat b next :concat h; n :loop /^[[:space:]]/{ H; x; s/\n[[:space:]]*/ /; x; n; /^[[:space:]]/b loop } x; p; x; /^[A-Z]/b top } :next

解説

• 1 行目:top:で始まるのはラベル行です。

• 2 行目
  sed /^$/qヘッダーにしか用はないので、ヘッダー部分が終了したら処理を打ち切ります。
• 3 行目 〜 17 行目
  /^[A-Za-z]/{ ... }
  ヘッダー行の先頭部分だったらこのブロックの中を実行します。
• 4 行目 〜 7 行目/^[Ff][Rr][Oo][Mm]:/b concat/^[Tt][Oo]:/b concat /^[Cc][Cc]:/b concat b nextFrom:, To:, Cc: のとき、:concat以降の結合処理にジャンプ(b concat)します。 そうでなければ、:nextのところにジャンプ(b next)します。:next以降にコマンドはないので、sed は次の行の処理に移ることになります。
• 8 行目 〜 9 行目:concath; n現在の行をホールドスペースにコピーして(h)次の行を読み込みます(n)。
• 10 行目 〜 14 行目:loop/^[[:space:]]/{H; x; s/\n[[:space:]]*/ /; x; n; /^[[:space:]]/b loop}継続行を1行にまとめる処理です。
  読み込んだ行が継続行であれば /^[[:space:]]/{ ... } のブロックの中が実行されます。パターンスペースをホールドスペースに追加して(H)、改行と継続行先頭の空白を単一のスペースに置換します（s/\n[[:space:]]*/ /）。xはパターンスペースとホールドスペースを入れ替えるコマンドです。sedの操作はパターンスペースに対してのみ実行可能なため、このように入れ替えを行います。次の行を読み込んで(n)、さらに継続行であれば:loopのところにジャンプしてループを続けます（/^[[:space:]]/b loop）。
• 15 行目 x; p; x;ホールドスペースには、1行にまとめられたヘッダー行が保存されているので、これを出力します。
• 16 行目 /^[A-Z]/b topパターンスペースには次の行を読み込んであるため、ヘッダー行であれば先頭に戻って処理を続けます（/^[A-Z]/b top）。

注意

• [[:space:]]
  [:space:]はPOSIX正規表現で空白を示すメタ文字列です。文字セット([])の中でのみ効果を持つため、[[:space:]]のように書きます。
  POSIX正規表現を理解しない、伝統的なsedでは [ スペース タブ ] といったように書きましょう。ただし、ターミナルに表示されているこの行を安易にコピー&ペーストすると、タブがスペースに展開されていたりしますので注意が必要です。
• b コマンド
  ラベルの後に ; で区切ってさらにコマンドを書くことができるのは GNU sed のみです。