免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
12下一页
最近访问板块 发新帖
查看: 3240 | 回复: 11

[文本处理] 这样的文本怎么处理 [复制链接]

论坛徽章:
7
卯兔
日期:2013-10-24 22:27:29天秤座
日期:2013-11-06 17:30:47午马
日期:2015-01-16 10:16:252015年亚洲杯之乌兹别克斯坦
日期:2015-04-02 14:49:302015年亚洲杯之韩国
日期:2015-04-22 14:28:03青铜圣斗士
日期:2015-11-21 00:06:2915-16赛季CBA联赛之天津
日期:2016-02-29 16:26:43
发表于 2014-11-07 13:36 |显示全部楼层
aksdopk 11 111110,111111,111113,111115,11111,111113,111115,111117,112310 1,2,3,4,5,6,7,9

文本是这样的的格式,要处理成后面2个拆分开。


aksdopk 11 111110 1
aksdopk 11 111111 2
aksdopk 11 111113 3
aksdopk 11 111115 4
aksdopk 11 11111  5
aksdopk 11 111113 6
aksdopk 11 111115 7
aksdopk 11 111117 8
aksdopk 11 112310 9

论坛徽章:
145
技术图书徽章
日期:2013-10-01 15:32:13戌狗
日期:2013-10-25 13:31:35金牛座
日期:2013-11-04 16:22:07子鼠
日期:2013-11-18 18:48:57白羊座
日期:2013-11-29 10:09:11狮子座
日期:2013-12-12 09:57:42白羊座
日期:2013-12-24 16:24:46辰龙
日期:2014-01-08 15:26:12技术图书徽章
日期:2014-01-17 13:24:40巳蛇
日期:2014-02-18 14:32:59未羊
日期:2014-02-20 14:12:13白羊座
日期:2014-02-26 12:06:59
发表于 2014-11-07 13:41 |显示全部楼层
回复 1# noshell

$ awk '{t=split($3,a,",");split($4,b,",");for(n=1;n<=t;n++)print $1,$2,a[n],b[n]}' FILE
aksdopk 11 111110 1
aksdopk 11 111111 2
aksdopk 11 111113 3
aksdopk 11 111115 4
aksdopk 11 11111 5
aksdopk 11 111113 6
aksdopk 11 111115 7
aksdopk 11 111117 9
aksdopk 11 112310

   

论坛徽章:
39
辰龙
日期:2013-08-21 15:45:192015亚冠之广州富力
日期:2015-05-12 16:34:52亥猪
日期:2015-03-03 17:22:00申猴
日期:2015-03-03 17:21:37未羊
日期:2014-10-10 13:45:41戌狗
日期:2014-06-17 09:53:29巨蟹座
日期:2014-06-12 23:17:17双鱼座
日期:2014-06-10 12:42:44寅虎
日期:2014-06-09 12:52:172015亚冠之卡尔希纳萨夫
日期:2015-05-24 15:24:35黄金圣斗士
日期:2015-12-02 17:25:0815-16赛季CBA联赛之吉林
日期:2017-06-24 16:43:52
发表于 2014-11-07 13:42 |显示全部楼层
回复 1# noshell
  1. awk '{split($3,a,",");for(i=0;i++<split($4,b,",");)print $1,$2,a[i],b[i]}'  urfile
复制代码

论坛徽章:
7
卯兔
日期:2013-10-24 22:27:29天秤座
日期:2013-11-06 17:30:47午马
日期:2015-01-16 10:16:252015年亚洲杯之乌兹别克斯坦
日期:2015-04-02 14:49:302015年亚洲杯之韩国
日期:2015-04-22 14:28:03青铜圣斗士
日期:2015-11-21 00:06:2915-16赛季CBA联赛之天津
日期:2016-02-29 16:26:43
发表于 2014-11-07 14:11 |显示全部楼层
你是大师,每次看你回帖都是艺术。值得欣赏回复 2# jason680


   

论坛徽章:
7
卯兔
日期:2013-10-24 22:27:29天秤座
日期:2013-11-06 17:30:47午马
日期:2015-01-16 10:16:252015年亚洲杯之乌兹别克斯坦
日期:2015-04-02 14:49:302015年亚洲杯之韩国
日期:2015-04-22 14:28:03青铜圣斗士
日期:2015-11-21 00:06:2915-16赛季CBA联赛之天津
日期:2016-02-29 16:26:43
发表于 2014-11-07 14:11 |显示全部楼层
大神。NB回复 3# 关阴月飞


   

论坛徽章:
23
15-16赛季CBA联赛之吉林
日期:2017-12-21 16:39:27白羊座
日期:2014-10-27 11:14:37申猴
日期:2014-10-23 08:36:23金牛座
日期:2014-09-30 08:26:49午马
日期:2014-09-29 09:40:16射手座
日期:2014-11-25 08:56:112015年辞旧岁徽章
日期:2015-03-03 16:54:152015年迎新春徽章
日期:2015-03-04 09:49:0315-16赛季CBA联赛之山东
日期:2017-12-21 16:39:1915-16赛季CBA联赛之广东
日期:2016-01-19 13:33:372015亚冠之山东鲁能
日期:2015-10-13 09:39:062015亚冠之西悉尼流浪者
日期:2015-09-21 08:27:57
发表于 2014-11-07 14:33 |显示全部楼层
回复 1# noshell


try:
  1. sed -r 's/(.+ )([^,]+),(.+ )([^,]*),?/\1\2 \4\n\1\3/;P;D' file
复制代码

论坛徽章:
6
羊年新春福章
日期:2015-03-03 17:16:28双子座
日期:2015-03-03 17:16:56巳蛇
日期:2015-03-03 17:17:2415-16赛季CBA联赛之福建
日期:2016-03-11 09:05:00黑曼巴
日期:2016-07-07 16:58:1215-16赛季CBA联赛之吉林
日期:2016-11-14 09:23:07
发表于 2014-11-07 17:28 |显示全部楼层
  1. #!/usr/bin/env python

  2. file = open('test','r')
  3. line = file.read()
  4. file.close()
  5. line = line.strip('\n')
  6. list_all = line.split(' ')
  7. list_1 = list_all[2].split(',')
  8. list_2 = list_all[3].split(',')
  9. sum1 = len(list_1)
  10. sum2 = len(list_2)
  11. if sum1 > sum2:
  12.         sum = sum1
  13. else:
  14.         sum = sum2
  15. for i in range(sum):
  16.         print "%s %s %s %s" % (list_all[0],list_all[1],list_1[i],list_2[i])
复制代码

论坛徽章:
60
20周年集字徽章-20	
日期:2020-10-28 14:04:3015-16赛季CBA联赛之北京
日期:2016-07-06 15:42:0715-16赛季CBA联赛之同曦
日期:2016-06-12 10:38:0915-16赛季CBA联赛之佛山
日期:2016-05-27 11:54:56黄金圣斗士
日期:2015-12-02 11:44:35白银圣斗士
日期:2015-11-25 14:32:43白银圣斗士
日期:2015-11-23 12:53:352015亚冠之布里斯班狮吼
日期:2015-10-21 16:55:482015亚冠之首尔
日期:2015-09-01 16:46:052015亚冠之德黑兰石油
日期:2015-08-31 11:39:192015亚冠之萨济拖拉机
日期:2015-08-28 21:06:5315-16赛季CBA联赛之广东
日期:2016-07-12 14:58:53
发表于 2014-11-07 18:55 |显示全部楼层


来一发python
  1. #!/usr/bin/python
  2. # -*- coding: utf-8 -*-

  3. import sys, fileinput
  4. for line in fileinput.input(sys.argv[1]):
  5.     fd = line.split()
  6.     fv = fd[-2].split(",")
  7.     fn = fd[-1].split(",")
  8.     try:
  9.         for i in range(len(fv)):
  10.             print fd[0],fd[1],fv[i],fn[i]
  11.     except IndexError:
  12.         pass
复制代码
  1. [root@localhost ~]# python r.py <(echo aksdopk 11 111110,111111,111113,111115,11111,111113,111115,111117,112310 1,2,3,4,5,6,7,9)
  2. aksdopk 11 111110 1
  3. aksdopk 11 111111 2
  4. aksdopk 11 111113 3
  5. aksdopk 11 111115 4
  6. aksdopk 11 11111 5
  7. aksdopk 11 111113 6
  8. aksdopk 11 111115 7
  9. aksdopk 11 111117 9
  10. aksdopk 11 112310
  11. [root@localhost ~]#
复制代码

论坛徽章:
32
处女座
日期:2013-11-20 23:41:20双子座
日期:2014-06-11 17:20:43戌狗
日期:2014-06-16 11:05:00处女座
日期:2014-07-22 17:30:47狮子座
日期:2014-07-28 15:38:17金牛座
日期:2014-08-05 16:34:01亥猪
日期:2014-08-18 13:34:25白羊座
日期:2014-09-02 15:03:55金牛座
日期:2014-11-10 10:23:58处女座
日期:2014-12-02 09:17:52程序设计版块每日发帖之星
日期:2015-06-16 22:20:002015亚冠之塔什干火车头
日期:2015-06-20 23:28:22
发表于 2014-11-07 20:00 |显示全部楼层
  1. $ echo 'aksdopk 11 111110,111111,111113,111115,11111,111113,111115,111117,112310 1,2,3,4,5,6,7,8,9' | awk '{n=split($3,a,",");split($4,b,",");for(i=0;i++<n;)print $1,$2,a[i],b[i]}'
  2. aksdopk 11 111110 1
  3. aksdopk 11 111111 2
  4. aksdopk 11 111113 3
  5. aksdopk 11 111115 4
  6. aksdopk 11 11111 5
  7. aksdopk 11 111113 6
  8. aksdopk 11 111115 7
  9. aksdopk 11 111117 8
  10. aksdopk 11 112310 9
复制代码

论坛徽章:
7
卯兔
日期:2013-10-24 22:27:29天秤座
日期:2013-11-06 17:30:47午马
日期:2015-01-16 10:16:252015年亚洲杯之乌兹别克斯坦
日期:2015-04-02 14:49:302015年亚洲杯之韩国
日期:2015-04-22 14:28:03青铜圣斗士
日期:2015-11-21 00:06:2915-16赛季CBA联赛之天津
日期:2016-02-29 16:26:43
发表于 2014-12-09 20:14 |显示全部楼层
NB,学习了!
for i in range(len(fn)):也可以的
回复 8# reyleon


   
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP