如何使用gawk和sed格式化包含日期的标题？

Question

我对我有所了解，并且我希望格式化以下文字：

Trip.to.Washington.2004.08...
Florida.1993.12...
Aunt.Rose.2011.06...

我希望它显示如下：

Trip to Washington (2004)
Florida (1993)
Aunt Rose (2011)

标题中的单词数量与一年后的单词数量不同。分隔符有时是空格而不是句点。

编辑：

我能够使用以下方法获得所需的输出：

echo Trip.to.Washington.2004.08... |
sed -n 's/\([0-9][0-9][0-9][0-9]\).*/\1/p' |
gawk 'BEGIN { FS="." } { print $1" "$2" "$3" ("$NF")" }'

返回：

Trip to Washington (2004)

问题是如果标题中有更多或更少的单词，则会失败。如果单词除了句点以外的其他任何内容，它也会失败。

我还发现可以使用以下方法返回除最后一个字段之外的每个字段：

awk '{$NF=""; print $0}' file

不幸的是，我对gawk的体验非常有限。我还没有找到如何在我现有的gawk中正确使用这个陈述的线索。

Answer 1

使用sed：

$ sed 's/\([0-9]\{4\}\).*/(\1)/; s/\./ /g' foo
Trip to Washington (2004)
Florida (1993)
Aunt Rose (2011)

说明：

• 首先使用反向引用围绕4位数字及其后面的所有内容使用括号：s/\([0-9]\{4\}\).*/(\1)/;
• 然后用空格s/\./ /g
替换所有句点

Answer 2

您也可以轻松地在Awk中执行替换。如果要替换的单词始终是点分隔线上的最后五个标记，则可以执行类似

的操作

echo "Trip.to.Washington.2004.08..." |
gawk -F . '{ for(i=1; i<=NF-5; ++i) printf "%s ", $i; print "(" $NF-4 ")" }'

我们将标记循环至少于NF的五个标记，然后打印每个标记后跟一个空格。然后，我们打印下一个仍然留在一对括号内的那个，并且永远不会打印其余的。

因此，当i为1时，我们会打印$1，在这种情况下为Trip，后跟空格。

当i为2时，我们会打印$2，在这种情况下为to，然后再打印一个空格。

当我们到达Washington时，循环结束，因为这是从结束开始计算的第五个字段。我们打印后跟一个空格，然后退出循环。

然后我们仍然打印出括号所围绕的第四个，这应该让我们成为年份。

-F .是BEGIN { FS="." }的缩写，但我为了简洁而做了这个改动;无论哪种方式都可以。

此处没有gawk具体，因此您也可以使用通用awk。