文字排版等两个问题

sxingbai

一、用ocr识别的文本往往因为原页面的关系，在不该换行处换行。
想用awk或sed保留以下换行符，其它删去：
1.以汉字数字或阿拉伯数字单独成行，或前加一个“第”后加“章”或“节”或“回”等，如
12
第六章

2.行末是句末点号（。？！……）但排除它们在引号中间的情况（包括跨行），或行末是。？！……加后引号”。
比如这样一段文字：
35
这是一个炎热的夏天，树上的叶子
都打着卷儿。
小青无精打采地在路边走着，
即使挑树荫地儿走，仍感觉一阵阵
热风像火舌一样舔舐着皮肤……
突然，她似乎听到一个声音在喊：
“喂，小青！
等等我！”

修改为：
35
这是一个炎热的夏天，树上的叶子都打着卷儿。
小青无精打采地在路边走着，即使挑树荫地儿走，仍感觉一阵阵热风像火舌一样舔舐着皮肤……
突然，她似乎听到一个声音在喊：“喂，小青！等等我！”


二、下面是一个文本的部分：
Hj07A01= 奔波 奔走 奔忙 跑 跑前跑后 奔波如梭 鞍马劳顿
Hj07A02= 走江湖 跑江湖 闯江湖 走南闯北 闯荡江湖

Hj08D01= 兴 振兴
Hj08D02# 兴农 振兴中华 科教兴林 科教兴农 科技兴农
Hj08D03@ 多难兴邦

Hj09B01= 偷生 偷安 苟活 苟且 苟全 苟安 苟且偷生 苟全性命

每一块由空行隔开，想在每一块后添加若干行，使每一个块中除第一个汉语词语外的汉语词语都链接到第一个词语，如第一个块变成：
Hj07A01= 奔波 奔走 奔忙 跑 跑前跑后 奔波如梭 鞍马劳顿
Hj07A02= 走江湖 跑江湖 闯江湖 走南闯北 闯荡江湖
奔走见奔波
奔忙见奔波
……
走江湖见奔波
……

sxingbai

呼唤高手:wink:

cao627

1. $ cat file
   
2. Hj07A01= 奔波 奔走 奔忙 跑 跑前跑后 奔波如梭 鞍马劳顿
   
3. Hj07A02= 走江湖 跑江湖 闯江湖 走南闯北 闯荡江湖
   
4. 
   
5. Hj08D01= 兴 振兴
   
6. Hj08D02# 兴农 振兴中华 科教兴林 科教兴农 科技兴农
   
7. Hj08D03@ 多难兴邦
   
8. 
   
9. 
   
10. $ awk '{j=2}/1=/{s="";a=$2;j=3}{for(i=j;i<=NF;i++)s=s!=""?s"\n"$i"见"a:$i"见"a}/^$/{print s}END{print s}1' file
    
11. Hj07A01= 奔波 奔走 奔忙 跑 跑前跑后 奔波如梭 鞍马劳顿
    
12. Hj07A02= 走江湖 跑江湖 闯江湖 走南闯北 闯荡江湖
    
13. 奔走见奔波
    
14. 奔忙见奔波
    
15. 跑见奔波
    
16. 跑前跑后见奔波
    
17. 奔波如梭见奔波
    
18. 鞍马劳顿见奔波
    
19. 走江湖见奔波
    
20. 跑江湖见奔波
    
21. 闯江湖见奔波
    
22. 走南闯北见奔波
    
23. 闯荡江湖见奔波
    
24. 
    
25. Hj08D01= 兴 振兴
    
26. Hj08D02# 兴农 振兴中华 科教兴林 科教兴农 科技兴农
    
27. Hj08D03@ 多难兴邦
    
28. 振兴见兴
    
29. 兴农见兴
    
30. 振兴中华见兴
    
31. 科教兴林见兴
    
32. 科教兴农见兴
    
33. 科技兴农见兴
    
34. 多难兴邦见兴
    
35. 
    
36. 鞍马劳顿见奔波
    
37. 走江湖见奔波
    
38. 跑江湖见奔波
    
39. 闯江湖见奔波
    
40. 走南闯北见奔波
    
41. 闯荡江湖见奔波
    
42. 
    
43. Hj08D01= 兴 振兴
    
44. Hj08D02# 兴农 振兴中华 科教兴林 科教兴农 科技兴农
    
45. Hj08D03@ 多难兴邦
    
46. 振兴见兴
    
47. 兴农见兴
    
48. 振兴中华见兴
    
49. 科教兴林见兴
    
50. 科教兴农见兴
    
51. 科技兴农见兴
    
52. 多难兴邦见兴

复制代码

@sxingbai是这个意思吗

sxingbai

回复 3# cao627
多谢！
看程式没看懂，能否详细解释一下？
现在没有linux，无法验证，但看结果怎么第36行后的一部分与18行后的重复？


   

sxingbai

cao627 发表于 2013-07-04 22:38
@sxingbai是这个意思吗

非常感谢，请看回帖中的疑问。

cao627

[@]sxingbai[/@]36к
еsΡ
sдs
κ
^$/е
/1=/д/01=/

cao627

@sxingbai用手机回的
全乱码了
重复的行是我贴错的

cao627

@sxingbai不过文件的最后—行是空行确实有重复的问题,所的s赋空这—句最好写在打印s之后

sxingbai

回复 8# cao627
多谢，第二个问题完美解决，麻烦对程序解释一下，太复杂了
第一个问题呢，请问有没有答案


   

cao627

@sxingbai

比如这样一段文字：
35
这是一个炎热的夏天，树上的叶子
都打着卷儿。
小青无精打采地在路边走着，
即使挑树荫地儿走，仍感觉一阵阵
热风像火舌一样舔舐着皮肤……
突然，她似乎听到一个声音在喊：
“喂，小青！
等等我！”

修改为：
35
这是一个炎热的夏天，树上的叶子都打着卷儿。
小青无精打采地在路边走着，即使挑树荫地儿走，仍感觉一阵阵
热风像火舌一样舔舐着皮肤……
突然，她似乎听到一个声音在喊：“喂，小青！等等我！”


红色字体的两行间的换行为什么不删掉？



1.以汉字数字或阿拉伯数字单独成行，或前加一个“第”后加“章”“节”“回”等；

蓝色文字的意思是否一行上没有标点符号的话，该行的换行符号不用删除？
对红色文字描述的意思不理解