文本过滤问题

woodie

这个问题，前面Tim、大圣都给出了sed的解法，black更是给出了sed和awk两种解法，都很好。看得woodie也技痒难耐了，这里给出一个sed的方法，跟前面几位的不同，没用循环，纯用正则表达式来做：
sed -r 's/(("[^"]*"[^" ]*)*)\s+/\1|/g'
这行sed为了简洁，用了GNU sed的-r特性和\s（空白符号），不过很容易改写成兼容性更好的形式。

说到awk的解法，squall1兄弟的有点毛病。我也写了一个，不过必需要用到GNU AWK:
awk -v RS='"[^"]*"' '{gsub(" +","|");printf "%s", $0 RT}'

blackold

Tim、大圣、woodie的sed方法只适用于特定文本，并不符合LZ的原意——"双引号里的空格保留，双引号外的空格变成|。"
对这样的文本就不适用了：
"a1" "bb 2"             ccc3
"a 1 " "bb 2"ccc3
dddd4 eeeee5

[ 本帖最后由 blackold 于 2009-8-9 09:38 编辑 ]

woodie

原帖由 blackold 于 2009-8-9 08:53 发表
Tim、大圣、woodie的sed方法只适用于特定文本，并不符合LZ的原意——"双引号里的空格保留，双引号外的空格变成|。"
对这样的文本就不适用了：
"a1" "bb 2"             ccc3
"a 1 " "bb 2"ccc3
dddd4 eeeee5

呵呵，black很细心啊。我的sed中的正则在成对双引号后面空格不出现的情况下会出错。那只用正则的话，看来只能通过positive lookbehind来做，可惜perl中positive lookbehind不支持变长的表达式。所幸vim中的\@<=是支持的：
vim ur-file <<\END
%s/\(^[^"]*\("[^"]*"[^"]*\)*\)\@<= \+/|/g
wq
END

sed中没有类似的0宽“断言”，看来只好循环了：
sed -r ':n;s/^([^"]*([^"]*[^ "]*)*) +/\1|/;tn'

perl的等价代码：
perl -ple '1 while s/^([^"]*(?:"[^"]*"[^" ]*)*)\s+/\1|/'

baoyu05

原帖由 blackold 于 2009-7-29 16:17 发表
sed ':n;s/^\(\(\("[^"]*"\)\?\([^"]*[^ "]\)*\)*\) \+/\1|/;tn' urfile

能否解释一下，我看不明白

chinaglwo

原帖由 00306 于 2009-7-29 16:49 发表


关键是要多练习，我以前也是只看不自己动手去试，也就这两个星期才开始自己动手边试，会做的就自己先做，不会做的，等到高手们做出来了，我把他们的拿到自己机子上试，然后再总结有没有其它方法可以达到这个 ...

学习，我也要多动手才行

fight51

awk 好用了些了