文字排版等两个问题

sxingbai

回复 10# cao627
多谢大侠热心相助
第一处红色是我粗心，应该删除换行的
以汉字数字或阿拉伯数字单独成行 是指文章中章节的序号
同时考虑序号的前面可能会有“第”，后面可能会有“章”“节”“回”等，如第12节或第六节

另外第二个问题，复制文本的局部验证可以，不知道为什么整个文本就不行了？


   

cao627

1. sed -r ':1;/^[^“]*[。？！……]”*$|^[^。……！：？，]*$/!{N;s/\n//;t1}' file

复制代码

@sxingbai

另外第二个问题，复制文本的局部验证可以，不知道为什么整个文本就不行了？

1. $ awk '{j=2}/1=/{a=$2;j=3}{for(i=j;i<=NF;i++)s=s!=""?s"\n"$i"见"a:$i"见"a}/^$/{print s；s=""}END{print s}1' file

复制代码

是不是这个命令应用与你实际的文件时不好用了？
可能是你的文件的问题。比如window下的文本文件和linux下的文本文件是有格式差异的。

sxingbai

回复 12# cao627
十分感谢，但还得继续麻烦
第一个问题的解法对第一个问题十分完美，对稍加变换就不行了
比如原文本变为：
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！
小青！
等等我！”
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！
小青！
等等我！”
运行结果则为：
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！小青！等等我！”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！小青！等等我！”

红色的部分都出乎意料。


   

cao627

@sxingbai

1. sed -r ':1;/[。？！……]”$|^[^“]*[。？！……]$|^[^。……！：？，]*$/!{N;s/\n//;t1}' file

复制代码

运行结果则为：
这是一个炎热的
夏天，树上的叶子都打着卷儿。

红色文字的行的换行符号没有去掉，不是我的问题，是你没有讲清楚不规则.

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

红色文字符合 以汉字数字或阿拉伯数字单独成行这个条件

你的条件要么是： 以数字单独成行，或以“第”字开头“回”或“章”字结束的行，保留换行符号？

sxingbai

回复 14# cao627
嗯，就是章节符号保留原样，不删除换行符
如：
5
五
第8节
第十二回

这些保留原样


   

cao627

@sxingbai

1. sed -r ':1;/[。？！……]”$|^[^“]*[。？！……]$|^[ ]*第?[0-9]*[一二三四五六七八九十]*[章回节]?[ ]*$/!{N;s/\n//;t1}' file

复制代码

cao627

当然
如果有这样的行

第1
十二回

也会保留原样


如果要删除这样的行上的换行，表达式要写的还要长。

对于这样的行：

第十2回

是保留原样？还是删除话行？我的代码是删除换行的。但或许你的要求是保留原样？

对于这样情况：

他送了她
5
支玫瑰

这又怎么办？

sxingbai

多谢，应该大体能够满足需要了
因为ocr的文本和原书本上的换行一致，一般不会出现数字不是章节或页码而单独盛行的情况

sxingbai

回复 16# cao627

awk那个句子看得稍有眉目
sed的这个句子中的:1;和!{N;s/\n//;t1}不知道什么意思
看来很有学习头儿
   

cao627

@sxingbai
N是sed中的一个命令。要理解它的作用的话，你要先理解sed的工作原理。可以看去一下sed的基础，不复杂。
t也是sed的一个命令 作用是前面的s命令有替换替换， 就跳转到一个位置， t1 就是跳到1这个标记的位置，这个位置在前面用:1标记的位置。