Question

试图转

a: 1, 2, 3
a: a, b, v
b: 5, 6, 7
b: 10, 1543, 1345
b: e, fe, sdf
cd: asdf, asdfas dfasdfa,asdfasdfa,afdsfa sdf
e1: asdfas, dafasd, adsf, asdfasd
e1: 1, 3, 2
e1: 9, 8, 7, 6

到

a: 1, 2, 3
   a, b, v
b: 5, 6, 7
   10, 1543, 1345
   e, fe, sdf
cd: asdf, asdfas dfasdfa,asdfasdfa,afdsfa sdf
e1: asdfas, dafasd, adsf, asdfasd
    1, 3, 2
    9, 8, 7, 6

因此，线条已排序。如果连续行以相同的字符序列开始，直到/包括某些分隔符（此处为冒号（及其后面的空白）），则只应保留第一个实例 - 应该是所有行的其余部分。从相同的字符序列开始，最多可能有十几（一半）行。输入大约有4,500行...

在TextWrangler中尝试过。

虽然搜索模式

^([[:alnum:]]+): (.+)\r((\1:) (.+)\r)*

匹配正确，无法替换

\1:\t\2\r\t\3\r

，也不

\1:\t\2\r\t\4\r

让我接近我正在寻找的东西。

搜索模式

^(.+): (.+)\r((?<=\1:) (.+)\r)*

被拒绝，因为后卫不是固定长度。 - 不确定，无论如何它都会朝着正确的方向前进。

看着 How to merge lines that start with the same items in a text file 我想知道，是否有优雅（例如：一种搜索模式，一种替换，一次运行）解决方案。

另一方面，我可能无法提出正确的问题来搜索网络。如果你知道的更好，请指出我正确的方向。

保持其余行对齐当然是糖果......

感谢您的时间。

Answer 1

作为变长lookbehind的变通方法：PCRE允许可变长度的替代

PCRE在外观方面并不完全兼容Perl。虽然Perl要求lookbehind内部的替代品具有相同的长度，但PCRE允许可变长度的替代品。

需要为每个最大前缀长度字符添加管道的想法：

(?<=(\w\w:)|(\w:)) (.*\n?)\1?\2?

并替换为\t\3。见test at regex101。捕捉后视内部对于不消耗/不跳过匹配很重要。相同的模式变量eg .NET：(?<=(\w+:)) (.*\n?)\1?

(?<=(\w\w:)|(\w:))前两个capture groups内窥镜用于捕获前缀：两个或一个字符后跟一个冒号。 \w是[A-Za-z0-9_]

shorthand

(.*\n?)第三个捕获组，用于填充前缀之间的内容。获取最后一场比赛的可选换行符。
\1?\2?将可选地替换相同的前缀。只能设置其中一个：\1 xor \2。此外，冒号后的空格也将始终匹配 - 无论前缀如何。

摘要：每个前缀转换为制表符后的空格。仅当匹配当前时，以下行的前缀要匹配和替换多个空格和标签：(?<=(\w\w:)|(\w:))[ \t]+(.*\n?)\1?\2?

Answer 2

替换的问题是不确定的匹配数。限制该数量时，例如到12，你可以使用这样的正则表达式：

^([^:]+): ([^\n]+[\n]*)(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?(\1: ([^\n]+[\n]*))?

有了这个替代品：

\n\1:\t\2\t\4\t\6\t\8\t\10\t\12\t\14\t\16\t\18\t\20\t\22\t\24

说明：它基本上只包含两个子正则表达式

^([^:]+): ([^\n]+[\n]*) =匹配组的第一行
(\1: ([^\n]+[\n]*))? =连续行上的可选匹配项，属于同一组。您必须根据需要经常复制此正则表达式以匹配所有行（即在此情况下为12x）。如果所有替换都没有足够匹配，则?（=可选）匹配不会给您错误。
格式问题需要替换开头的\n
结果将包含一些空行，但我确定，您可以解决这个问题......; - ）

DEMO 1

但是，由于我不是超大规模正则表达的粉丝 - 而且对于你有更多潜在匹配的情况 - 我更喜欢这样的解决方案：

合并属于同一组的所有行（如您所述：How to merge lines that start with the same items in a text file）。在这些步骤中，您可以使用唯一的内容替换组项（例如:@:）。
将此唯一项目替换为\n\t

DEMO 2

Answer 3

下面的awk单行将做你想做的事情

awk -F: 'NR==1 {print $0} NR != 1 {if ($1 != prev) print $0; else {for (i=0; i<=length($1); ++i) printf " "; print $2;}} {prev=$1}' < input_file.txt

（将原始文本放入input_file.txt）

我相信可以编写更好的代码，但现在是时候睡觉了）

Answer 4

我在Bare Bones Software Inc.的TextWrangler中尝试了你的样本，我想出了一个两遍解决方案，仅限于 n 连续行，它使用了一个标签而不是试图神奇地匹配前缀的长度。另请注意，文件的最后一行应为空行（在示例中, 6之后添加换行符）

出于我们的目的，我会向您展示 n = 4的位置：

Find: ^([[:alnum:]]+\:)(.+\r)(?:\1(.+\r))?\1(.+)\r
Replace: \1\2\t\3\t\4\t\5\r

您可以通过在(?:\1(.+\r))?中复制Find并在\t\n \r之前添加Replace来向任何 n 添加一个 n 其中* n *是在\r之前的最后一个数字之后的增量。

用此替换所有内容，您可以通过以下方式进行跟进：

Find: ^\t+
Replace: \t

主要是获得你想要的结果。

Answer 5

因此，除了第一个实例之外你想要替换所有其他实例，我假设您需要正则表达式来匹配除第一个之外的所有实例，因此您可以替换它们。如您所知，正则表达式无法修改或更改原始字符串，只返回特定匹配，本身可用于指定要修改的字符串部分。

我能提出的最好的正则表达式是/(\b[a-zA-Z0-9]+: )[^\n]+(?:\n|$)(?!\1)/g。

这将捕获xx:的每个唯一实例，并匹配它的最后一个实例。唯一的问题是它仍然匹配最后一个实例，即使它是唯一的实例。

我的结论是，我不相信你可以用正则表达式完成所有这些。我可能错了，如果有人能找到支持lookbehind和反向引用的在线正则表达式调试器，让我吧我知道，我是否可以写一个表达式来工作。我个人无法找到任何接受反向引用和后视的正则表达式调试器。在我的例子中，我使用了lookahead，因此它会检查前面是否有任何实例，如果是，则忽略当前匹配（因此它只选择最后一个实例）。

如果你真的想找到一种方法来自动化它以使其工作，使用/(\b[a-zA-Z0-9]+: )/g匹配xx:的每个实例，将它们全部存储在一个数组中，如果有重复，运行特定的原始正则表达式继续修剪它直到没有更多的重复。您可以再次使用它来存储所有唯一的实例并以某种方式利用它。

希望这有助于或澄清您的问题，如果不是，请道歉。

Answer 6

没有Textwrangler进行测试，但我在其他Regex工具中测试过，它运行良好，请尝试：

(?<=(?:(?:.+\n)|^)(\w+?:).+\n)\1(?=\s)

RegEx使用TextWrangler删除重复的行开始

6 个答案: