Question

我有一个包含内容的大文本文件，如下例所示：

number="+123 123 123" text="This is some text"
number="+123456" text="This may contain numbers"
number="+123456 789" text="Numbers here should keep their spaces"
number="+9 8 7 6 5" text="example 123 123 123"

我想要的是删除两个识别字符串之间的任何空白字符，在这种情况下number=和" text=而不触及其余部分。这样所需的输出就是：

number="+123123123" text="This is some text"
number="+123456" text="This may contain numbers"
number="+123456789" text="Numbers here should keep their spaces"
number="+98765" text="example 123 123 123"

像(?<=[0-9])(\s)(?=[0-9])这样的正则表达式会干扰文本字段，这是不可取的。

我已经测试了使用(?<=address)(\s)(?=date)行的一些变体，但这不起作用。我认为问题在于无法处理空格和标记之间的额外可能数字？

将通配符匹配添加到lookbehinds / lookaheads（例如(?<=address.*)(\s)(?=.*date)）似乎无效，否则我做错了？使用(/s+?)使空白变得懒惰似乎对我没有帮助，但这是关于我对正则表达式的知识真正崩溃的地方：）

理想情况下，我还想在额外的等于和引号字符之间限制安全性。 I.e number="位于开头标记处，text="作为结束标记。

如果更容易，也欢迎任何sed / awk或类似的解决方案。

Answer 1

使用awk：

awk 'BEGIN{FS=OFS="\""}{gsub(/ /,"",$2)}1' file
number="+123123123" text="This is some text"
number="+123456" text="This may contain numbers"
number="+123456789" text="Numbers here should keep their spaces"
number="+98765" text="example 123 123 123"

Answer 2

使用替换和循环：

sed ':l s/\(number="[^" \t]*\)\s\s*/\1/g;tl' input

这个给出：

number="+123123123" text="This is some text"
number="+123456" text="This may contain numbers"
number="+123456789" text="Numbers here should keep their spaces"
number="+98765" text="example 123 123 123"

Answer 3

搜索： [ ](?=[^"]*" text=)（空间周围的[brackets]是可选的，为了清晰起见，它们在那里）

替换：空字符串。

在the regex demo中，请参阅底部的替换。

命令行语法

我不知道要搜索和替换的sed语法。使用Perl（由@jaypal和@AvinashRaj提供）：

perl -pe 's/ (?=[^"]*" text=)//g' file

来自perl --help，

-p                assume loop like -n but print line also, like sed
-e program        one line of program (several -e's allowed, omit programfile)

Answer 4

另一个awk解决方案：

 awk -F ' text="' '{ gsub(/ /, "", $1); print $1 FS $2 }' file

-F text="'将每个输入行拆分为text="（$1）之前的部分，而$2之后的部分 - -F选项将特殊FS（* f * ield * s * eparator）awk变量到awk用于将每个输入行拆分为字段的正则表达式。
gsub(/ /, "", $1)（* g * lobal * sub * stitution）删除$1中的所有空格（text="之前的部分;用空字符串替换空格。）
print $1 FS $2打印输出：已修改 $1（已移除空格），与FS（即text="）一起加入， $2（text="之后的未经修改的部分）。

Answer 5

注意：这是对现有答案的补充，比较其效果。

测试环境：

OS X 10.9.4。
- FreeBSD awk 20070501
- FreeBSD sed（不能告诉版本号）
- Perl v5.16.2
Ubuntu 14.04
- GNU Awk 4.0.1
- sed（GNU sed）4.2.2
- Perl v5.18.2

缺少：

awk解决方案最快。
- 在OS X上，@jaypal's solution更快，在Ubuntu上@mklement0's (mine)。
后跟perl solution。
sed solution (accepted answer) 最慢。
- 请注意，删除不必要的g选项可以显着改善事物，但不会改变大局。

在OS X上，差异并不显着在Ubuntu上，awk和perl解决方案之间的差异很小，但sed解决方案的速度要慢得多。

样本编号，针对100,000行输入文件运行10次。不要直接比较它们（Ubuntu在OS X机器上的VM中运行），只需看看它们的比率。（奇怪的是，awk和perl在Ubuntu VM中运行更快：

OS X：

# awk (@japyal)
real    0m3.848s
user    0m3.773s
sys 0m0.049s

# awk (@mklement0)
real    0m4.011s
user    0m3.959s
sys 0m0.045s

# perl
real    0m4.382s
user    0m4.291s
sys 0m0.063s

# sed
real    0m4.867s
user    0m4.816s
sys 0m0.044s

# sed  (no `g`)
real    0m4.510s
user    0m4.460s
sys 0m0.044s

Ubuntu的：

# awk (@mklement0)
real    0m1.850s
user    0m1.788s
sys 0m0.020s

# awk (@jaypal)
real    0m2.055s
user    0m1.996s
sys 0m0.012s

# perl
real    0m2.349s
user    0m2.276s
sys 0m0.024s

# sed
real    0m8.278s
user    0m8.196s
sys 0m0.016s

# sed (no `g`)
real    0m7.580s
user    0m7.488s
sys 0m0.028s

从两个特定字符串之间的任何位置删除特定字

5 个答案: