我需要清理一些文字,并试图在括号中出现时删除数字。如果还有更多,那么应该保留。
示例:
Foo 12 (bar, 13) -> Foo 12 (bar)
Foo 12 (13, bar, 14) -> Foo 12 (bar)
Foo (14, 13) -> Foo
我想我会先打破字符串并删除数字,如果它们出现在括号之间但似乎我错过了一些东西。
echo "Foo 12 (bar, 12)" | sed 's/\(.*\)\((\)\([^0-9,].*\)\([, ].*\)\([0-9].*\)\()\)/\1\2\3\6/g'
结果为Foo 12 (bar,)
。
我猜我的做法太原子了。我该怎么办?
答案 0 :(得分:1)
如果您对Perl没有任何问题,可以试试这个。
$ perl -pe 's/\s*,?\s*\b\d+\b\s*,?\s*(?=[^()]*\))//g;s/\h*\(\)$//' file
Foo 12 (bar)
Foo 12 (bar)
Foo
OR
$ perl -pe 's/(?:(?<=\()\d+,\h*|,?\h*\d+\b)(?=[^()]*\))//g;s/\h*\(\)$//' file
Foo 12 (bar)
Foo 12 (bar)
Foo
答案 1 :(得分:1)
以下是针对此类问题的一般方法,您希望隔离特定令牌并对其进行处理,以适应您的问题:
#!/bin/sed -f
:loop # while the line has a matching token
/([^)]*[0-9]\+[^)])/ {
s//\n&\n/ # mark it -- \n is good as a marker because it is
# nowhere else in the line
h # hold the line!
s/.*\n\(.*\)\n.*/\1/ # isolate the token
s/[0-9]\+,\s*//g # work on the token. Here this removes all numbers
s/,\s*[0-9]\+//g # with or without commas in front or behind
s/\s*[0-9]\+\s*//g
s/\s*()// # and also empty parens if they exist after all that.
G # get the line back
# and replace the marked token with the result of the
# transformation
s/\(.*\)\n\(.*\)\n.*\n\(.*\)/\2\1\3/
b loop # then loop to get all such tokens.
}
对于那些认为这超出了我应该合理地用sed做的范围的人我说:是的,但是......好吧,是的。但是,如果你看到的只是指甲,这是一种让sed成为大锤的方法。
这当然可以内联编写(虽然这对可读性没有帮助):
echo 'Foo 12 (bar, 12)' | sed ':loop;/([^)]*[0-9]\+[^)])/{;s//\n&\n/;h;s/.*\n\(.*\)\n.*/\1/;s/[0-9]\+,\s*//g;s/,\s*[0-9]\+//g;s/\s*[0-9]\+\s*//g;s/\s*()//;G;s/\(.*\)\n\(.*\)\n.*\n\(.*\)/\2\1\3/;b loop}'
但我的建议是将其放入文件并运行echo 'Foo 12 (bar, 12)' | sed -f foo.sed
。或者,与上面的shebang一样,chmod +x foo.sed
和echo 'Foo 12 (bar, 12)' | ./foo.sed
。
顺便说一句,我没有对此进行基准测试。我想这不是处理大量数据的最有效方法。
编辑:回应评论:我不确定在这种情况下OP想要什么,但为了完成,基本模式可以适应其他行为,如下:
#!/bin/sed -f
:loop
/(\s*[0-9]\+\s*)\|(\s*[0-9]\+\s*,[^)]*)\|([^)]*,\s*[0-9]\+\s*)\|([^)]*,\s*[0-9]\+\s*,[^)]*)/ {
s//\n&\n/
h
s/.*\n\(.*\)\n.*/\1/
s/,\s*[0-9]\+\s*,/,/g
s/(\s*[0-9]\+\s*,\s*/(/
s/\s*,\s*[0-9]\+\s*)/)/
s/\s*(\s*[0-9]*\s*)//
G
s/\(.*\)\n\(.*\)\n.*\n\(.*\)/\2\1\3/
b loop
}
顶部的正则表达式现在看起来更加可怕。它应该有助于知道它由四个子模式组成
(\s*[0-9]\+\s*)
(\s*[0-9]\+\s*,[^)]*)
([^)]*,\s*[0-9]\+\s*)
([^)]*,\s*[0-9]\+\s*,[^)]*)
与\|
一起订购。这应该涵盖所有情况,并且不匹配括号中的foo12
,12bar
和foo12bar
等内容(除非它们中还包含独立的数字)。
答案 2 :(得分:1)
以下是awk
版本:
awk -F' *\\(|\\)' '{for (i=2;i<=NF;i+=2) {n=split($i,a," *, *");f="";for (j=1;j<=n;j++) f=f (a[j]!~/[[:digit:]]/?a[j]",":""); $i=f?"("f")":"";sub(/,)/,")",$i)}}1' file
Foo 12 (bar)
Foo 12 (bar)
Foo
cat file
Foo 12 (bar, 13, more)
Foo 12 (13, bar, 14) (434, tar ,56)
Foo (14, 13)
awk -F' *\\(|\\)' '{for (i=2;i<=NF;i+=2) {n=split($i,a," *, *");f="";for (j=1;j<=n;j++) f=f (a[j]!~/[[:digit:]]/?a[j]",":""); $i=f?"("f")":"";sub(/,)/,")",$i)}}1' file
Foo 12 (bar,more)
Foo 12 (bar) (tar)
Foo
更具可读性:
awk -F' *\\(|\\)' '
{
for (i=2;i<=NF;i+=2) {
n=split($i,a," *, *")
f=""
for (j=1;j<=n;j++)
f=f (a[j]!~/[[:digit:]]/?a[j]",":"")
$i=f?"("f")":""
sub(/,)/,")",$i)
}
}
1' file
答案 3 :(得分:1)
sed ':retry
# remove "( number )"
s/( *[0-9]* *)//
# remove first ", number" (not at first place)
s/^\(\([^(]*([^(]*)\)*[^(]*([^)]*\), *[0-9]\{1,\} *\([,)]\)/\1\3/
t retry
# remove " number" (first place)
s/^\(\([^(]*([^(]*)\)*[^(]*(\) *[0-9]\{1,\}\(,\{0,1\}\)\()\{0,1\}\)]*/\1\4/
# case needed where only "( number)" or "()" are the result at this moment
t retry
' YourFile
--POSIX
on GNU sed)