Question

我有一个包含多个文本文件的文件夹，我需要使用多个替换列表进行处理和格式化，如下所示：

old string1~new string1
old string2~new string2
etc~blah

我在这些多个文本文件的每一行上从替换列表中运行每个替换对。现在我有一组python脚本来执行此操作。我想知道的是，如果我切换到sed或awk，它会使代码更简单，更易于维护吗？它会是一个更好的解决方案还是我应该更好地改进我的Python代码？我问，因为传入的文本文件定期出现并且通常具有与以前不同的结构，例如错误，拼写错误，多个空格，因为这些文件是由人类创建的。因此，我必须不断调整我的代码和替换列表，以使其正常工作。感谢。

Answer 1

除非您的python代码非常糟糕，否则切换到awk不太可能使其更易于维护。也就是说，它在awk中非常简单，但不能很好地扩展：

cat replacement-list-files* | awk 'FILENAME == "-" { 
  split( $0, a, "~" ); repl[ a[1] ] = a[2]; next }
  { for( i in repl ) gsub( i, repl[i] ) }1' - input-file

请注意，这一次只能在一个文件上运行。将1替换为{ print > ( FILENAME ".new" ) }以处理多个文件，但如果要处理大量文件，则必须处理关闭文件，并且很快就会成为难以维护的混乱。如果您已经有了可行的解决方案，请坚持使用Python。

Answer 2

这是正则表达式替换脚本（大多数情况下与@WilliamPursell发布的内容完全不同）：

   awk -F'~' '
   NR==FNR{ map[$1] = $2; next }
   {
      for (old in map) {
         gsub(old,map[old]
      }
   }
   ' /wherever/mappingFile file

但是这里是我认为你真正需要的字符串替换脚本：

   awk -F'~' '
   NR==FNR{ map[$1] = $2; next }
   {
      for (old in map) {
         rlength = length(old)
         while (rstart = index($0,old)) {
            $0 = substr($0,1,rstart-1) map[old] substr($0,rstart+rlength)
         }
      }
   }
   ' /wherever/mappingFile file

在任何一种情况下，只需将其封装在shell循环中以影响多个文件：

for file in *
do
   awk -F'~' '...' /wherever/mappingFile "$file" > tmp && mv tmp "$file"
done

基于多个文件中的列表的多个正则表达式替换

2 个答案: