文本处理，比较难，谢谢

sea_soft

问个问题，环境是Solaris有一个文本文件，test.dat
#cat test.dat
3453343|32444,asd,42,345sa,asda5445,asdsa|,asdaas,,asd,,,asdadsad||sadad,sad~@%asdasd32432|
232|as2d,421,3452sa,asda2544,asd121sa,erasdaaaas,asdasdadsadsadad,sad~|@%asdasdasdsda|
ab2|aspp2d,ass,23,aaa,bbb,ddsdd,asdasdadsadsadad,sad~|@%asdasd
……
这么一个文件，格式是这样的，这个文件每行都是7列，
第一列为第一个'|'之前的数据，
第二列为第一个'|'到第一个','之间的数据
第三列为第一个','到第二个','之间的数据
第四列为第二个','到第三个','之间的数据
第五列为第三个','到第四个','之间的数据
第六列为第四个','到第五个','之间的数据
之后，本行数据剩下的都属于第七列
所以上面文件的数据应该是：
3453343     32444     asd     42     345sa     asda5445     asdsa|,asdaas,,asd,,,asdadsad||sadad,sad~@%asdasd32432|     
232     as2d     421     3452sa     asda2544     asd121sa    erasdaaaas,asdasdadsadsadad,sad~|@%asdasdasdsda|     
ab2     aspp2d     ass     23     aaa     bbb      ddsdd,asdasdadsadsadad,sad~|@%asdasd
……
现在需要对原始的test.dat做2个处理
1.去掉第一列内容，得到的文件应该是：
32444,asd,42,345sa,asda5445,asdsa|,asdaas,,asd,,,asdadsad||sadad,sad~@%asdasd32432|
as2d,421,3452sa,asda2544,asd121sa,erasdaaaas,asdasdadsadsadad,sad~|@%asdasdasdsda|
aspp2d,ass,23,aaa,bbb,ddsdd,asdasdadsadsadad,sad~|@%asdasd
……

2.剩余的6列每列都有长度要求，长度分别为9,12,7,8,15,300，对于每列的字段数据采用左对齐，不够长度的在后面用空格（为了容易看的方便，我用'M'代替空格表示）补齐。所以应该是下面这样的结果：
32444MMMM,asdMMMMMMMMM,42MMMMM,345saMMM,asda5445MMMMMMM,asdsa|,asdaas,,asd,,,asdadsad||sadad,sad~@%asdasd32432|MMMM（M太多，我不写那么多了）……
as2dMMMMM,421MMMMMMMMM,3452saM,asda2544,asd121saMMMMMMM,erasdaaaas,asdasdadsadsadad,sad~|@%asdasdMMMM……
aspp2dMMM,assMMMMMMMMM,23MMMMM,aaaMMMMM,bbbMMMMMMMMMMMM,ddsdd,asdasdadsadsadad,sad~|@%asdasdMMMMMM…………
各路大仙，还请施展绝技帮忙看看，谢谢。

[ 本帖最后由 sea_soft 于 2009-4-20 20:34 编辑 ]

blackold

如何定义列？去掉第一列不是去掉第一个|之前的内容了吗？
LZ描述的有点乱。

yuio654

这里肯定能找到你要的东西

http://sed.sourceforge.net/sed1line_zh-CN.html

sea_soft

忘了说明，test.dat最后一列（第七列）存在很多汉字和逗号,|等乱七八糟的字符
比如
#cat test.dat
3453343,32444,asd,42,345sa,asda5445,asdsa|,asdaas,,asd,,,asdadsad||我是测试字符|
232,as2d,421,3452sa,asda2544,asd121sa,erasdaaaas,asdasdadsadhello测试d,sad~|@%asdasdasdsda|
ab2,aspp2d,ass,23,aaa,bbb,ddsdd,asdasdadsadsadad,sad~|@%谢谢各位asd
……

yuio654

原帖由 blackold 于 2009-4-20 19:45 发表
如何定义列？去掉第一列不是去掉第一个|之前的内容了吗？
LZ描述的有点乱。

有点， | 分不清

sea_soft

原帖由 blackold 于 2009-4-20 19:45 发表
如何定义列？去掉第一列不是去掉第一个|之前的内容了吗？
LZ描述的有点乱。

是的，是这个意思，去掉第一列就是要把第一个'|'之前的都删掉,包括这个第一个'|'也删除

sea_soft

原帖由 yuio654 于 2009-4-20 19:46 发表



有点， | 分不清

第一个|是我手工处理出来的，最原始的文件是第一个|也是用逗号，我为了好看，才换成的|，如果处理不方便，也可以再换成逗号

kwokcn

楼主按照你的描述，第一列是第一个“|”之前的内容，删除第一列就是把第一个“|”以及前面的字符删除，但是你给的例子中，删除第一列后的效果却是删除第一个“,”以及前面的字符，这个……

[ 本帖最后由 kwokcn 于 2009-4-20 20:04 编辑 ]

blackold

对啊，LZ的描述自相矛盾。

我根据LZ想要的结果猜了一个：

1. awk -F , '{s=$0;sub(/[^|]*,/,"",s); printf "%-9s,%-12s,%-7s,%-8s,%-15s,%-300s\n", $2,$3,$4,$5,$6,s}' test.dat

复制代码

kwokcn

啊～被黑哥抢了，我刚要发这个的～ T_T