Bash获取2个6位数字之间的字符串

Question

我有一个UTF-8-BOM编码的文本文件，其中大多数行以6-10位开头（数字每行增加）并且后面有一个字符串。

我想得到每一条＆＃34;线＆＃34; （包括数字）在我的bash脚本中进一步处理。

通过使用sed -n '$line\p'的for循环很容易做到但不幸的是我需要的一些字符串作为其中的一部分，所以我需要一种提取字符串的方法在两个6位以上的数字（包括第一个数字）之间标记一个新行。

3＆＃34;行＆＃34;的例子：

123456\tA random string here
123567\t another string
this time
it goes over
multiple lines
124567\t a normal string again

我需要什么：

123456\tA random string here

，

123567\t another string
this time
it goes over
multiple lines

和

124567\t a normal string again

一些事情：

• 字符串不包围＆＃34;＆＃34;不幸的是
• 字符串包含的所有数字都是＆lt; 6位数字，因此＆gt; = 6位数字始终是新字符串行的开头
• 数字增加，因此字符串前面的数字总是低于后面的数字
• 我想将标签或换行符等所有特殊字符转换为\t或\n
• 我需要在脚本中稍后获取字节长度，字符串必须保持其长度

我还是新来的，所以如果我把它放在错误的地方或已经回答过，请告诉我！

Answer 1

我希望“UTF-8-BOM编码”不是陷阱 如果不是，我的建议如下。

bash-3.1$ sed -En '/^[0-9]{6,10}/!{:a;H;n;/^[0-9]{6,10}/!ba;x;s/\n/\\n/g;s/\t/\\t/g;p};/^[0-9]{6,10}/{x;s/\t/\\t/g;1!p;x;h;z;}' input.txt

样本输入的输出（末尾有换行符）：

  

123456 \ t这里的随机字符串
  123567 \ t另一个字符串\ nthis time \ nit over over \ nmultiple lines
  124567 \ t再次正常字符串

我认为相关的6-10位数字也总是在一行的开头，
否则会变得更棘手。

注意：
每个换行符\n或制表符\t的字符串长度将增加1; 因为请求的“\ n”和“\ t”分别是两个字符。