Question

使用GnuWin32（sed 4.2.1和核心实用程序5.3.0）在Windows Vista上工作。还有ActivePerl 5.14.2包。

我有一个大的多记录文件。文件中每条记录的末尾用四个美元符号（$$$$）表示。在每个逻辑记录中都有许多“CRLF”。

我想用|+|之类的符号替换CRLF的所有实例。然后我将用CRLF替换$$$$。结果：每行一条记录导入Excel以进行进一步操作。

我尝试过几种方法将CRLF转换为|+|，但没有成功。

例如，一种方法是：sed -e "s/[\r\n]/|+|/g" source_file_in target_file_out

另一种方法使用tr -d删除\r，然后使用第二个语句：sed -e "s/\n/|+|/g" source_file_in target_file_out

tr声明有效; sed声明没有。

我已阅读以下文章，但未看到如何调整它们以使用\r\n等符号替换|+|。

如果使用sed（和tr）无法轻松解决此问题，那么如果有人告诉我如何，我会使用Perl。

感谢Ed的推荐。

awk脚本还没有完全正常工作，所以我会添加一些缺失的细节，希望你可以微调你的建议。

首先，我正在运行gawk v3.1.6.2962。我相信awk实现可能存在差异，因此这可能是一个有用的信息。

接下来，有关数据类型和数据来源的更多信息。

数据是关于化学品（输入到立体化学绘图程序的文本数据）。

化学文件采用.sdf格式。

当我在NotePad ++中打开“133711.sdf”（使用“查看/显示符号/显示所有字符”）时，我会看到屏幕截图中显示的数据： https://dl.dropbox.com/u/3094317/_master_1_screen_shot_.png

如你所见，只有LF - 没有CR。我相信这意味着.sdf文件的来源是UNIX系统。

接下来，我运行Windows命令COPY * .sdf _master_2_.txt。这会创建我想要解析为记录的非常大的文件文件。

_master_2_.txt与133711.sdf具有相同的结构 - 仅限LF;没有CR。

然后，我在.BAT文件中运行你的awk推荐。我需要用双引号替换你的单引号，因为微软让我。

awk -v FS =“\ r \ n”-v OFS =“| + |” -v RS =“\ $ \ $ \ $ \ $”-v ORS =“\ r \ n”“{$ 1 = $ 1} 1”C：_master_2_.txt＆gt; C：\ output.txt

如您所见，awk命令未成功将“\ r \ n”替换为“| + |”。

此外，Windows使用CRLF创建了output.txt。

它确实用CRLF成功取代了四个$。

此信息是否足以更新您的awk建议以处理与Windows相关的问题？

Answer 1

尝试使用GNU awk：

awk -v FS='\r\n' -v OFS='|+|' -v RS='\\$\\$\\$\\$' -v ORS='\r\n' '{$1=$1}1' file

我从您更新的问题中看到您在Windows上。为了避免荒谬的引用规则和问题，请将其放在名为“whatever.awk”的文件中：

BEGIN{FS="\r\n"; OFS="|+|"; RS="\\$\\$\\$\\$"; ORS="\r\n"} {$1=$1}1

并将其作为

运行

awk -f whatever.awk file

并查看是否符合您的要求。