Question

我有一个超过6000行的input.txt文件。

如果一行a的单词超过10个，那么我希望将其拆分，而不是第10个单词，而是第一个逗号出现的位置。而且，如果新行也有10个以上的单词，则也应将其拆分，并重复7次。

最终产品：没有超过10个单词和逗号的行，因为它们都被分割了。

示例：

输入

Line 1: This is me, and my sample test line that I like to get working, and I want to be able to kick some ass while doing it

预期输出：

Line 1: This is me, 
Line 2: and my sample test line that I like to get working,
Line 3: and I want to be able to kick some ass while doing it

我正在使用以下代码：

#! /bin/bash

for run in {1..7}
do

awk 'NF >= 10 {
sub (", ", ",\n")

}1' input.txt

done

此代码未提供期望的结果。相反，我得到以下输出7次。

line 1: This is me,

line 2: and my sample test line that I like to get working, and I want to be able to kick some ass while doing it.

我倾向于sed，但是我不清楚。我看到了三种方法：1）代码读取一行（例如line7），它超过10个单词，并以逗号将其断开（但不检查新断开的文本是否超过10个单词），然后移至下一行。在文件末尾，它将重复此过程（例如7次），以确保新断行也少于10个字。然后，它将获取此过程的输出，并执行相同的操作，但条件是新的（例如单词“ and”）。然后，它需要这个的输出，依此类推...我可以添加无尽的条件。这是我更喜欢的方法。我还认为编码更容易。

第二种方法2）是该代码读取行，如果超过10个单词，则将其分解为逗号，如果超过10个单词，则将其分解为逗号，以此类推，直到少于10个单词。只有然后，它才继续前进到下一行。我认为这就是Ghoti的代码所做的。但是添加其他条件很复杂。 3）第三种方法是：用逗号将超过10个单词的行换行，然后将其余行换成“和”，依此类推。最后，整个过程需要重复几次。这也是恕我直言，不是最好的方法。

有人可以帮忙吗？

提前谢谢！

Answer 1

我想我明白你的追求了。您的方法存在一些问题：

awk不会就地处理文件。因此，您的sub()进行了更改，1打印到标准输出，但是您的输入文件从未更改。
sub()时，您不会在awk正在处理的输入流中插入新记录。您的命令仅向当前记录添加换行符。

鉴于这些，您可以像建议的那样多次处理输入。但是，与其随意假设一行上最多有七个10个单词的短语，不如实际检测是否需要继续。像这样：

#!/usr/bin/env bash

input=input.txt
temp=$(mktemp ${input}.XXXX)
trap "rm -f $temp" 0

while awk '
  BEGIN { retval=1 }
  NF >= 10 && /, / {
    sub(/, /, ","ORS)
    retval=0
  }
  1
  END { exit retval }
' "$input" > "$temp"; do
  mv -v $temp $input
done

这使用awk的退出值来确定是否需要运行bash循环的另一次迭代。如果awk检测到不需要替换，则循环停止。

Answer 2

好的，这就是我解决此问题的方法。很难看，但是可以用。另外，我可以继续传递更多sed命令以添加更多条件（例如我在@ghoti上方的评论）。

sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' input.txt | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/'| sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | tr -s [:space:] > output.txt

基本上，我只是用管道传输了7次相同的sed命令（在上面的示例中，我要替换句点而不是逗号，但是都一样）。基于我在网上阅读的内容，我很惊讶此命令不允许进行某些递归/重复。或者，如果有人知道，请随时进行编辑。

bash中的for循环仅打印n次命令，而不是重复执行

2 个答案: