删除常规文本文件中的字母间距

Question

我有一个文本文件，其中有很多行，并带有字母间距，即

cat test.txt
Some word here: T h e Q u i c k B r o w n F o x J u m p s O v e r T h e L a z y D o g
Some doggerel: J a c k A n d J i l l W e n t U p T h e H i l l

我要求使用Linux中的某些命令行工具，将一些正则表达式应用于此文本文件以删除字符之间的间距。

cat result.txt
Some word here: The Quick Brown Fox Jumps Over The Lazy Dog
Some doggerel: Jack And Jill Went Up The Hill

谢谢

Answer 1

如果您想要的是TrebuchetMS中this comment所定义的内容，那么使用awk并不困难：

$ awk -F: '{gsub(/ /,"",$2); gsub(/[A-Z]/," &",$2) ; print $1":"$2}' file.txt

单行程序①在:上分割一行，②删除:之后的所有空格，③在每个大写字母前都添加一个空格（也在第一个大写字母之前） ）和④打印$1（在:之前的字符串），:和 $2，即修改后的第二部分。

Answer 2

我在评论中提到您可以使用sed。经过尝试之后，由于无法获得环顾他们的正则表达式的经验，我对sed失去了希望。显然，perl命令可以解析具有正则表达式的正则表达式。如果您有perl命令，可以尝试一下

perl -pe 's/ ([a-z])(?= |$)/\1/g' file.txt

或

cat file.txt | perl -pe 's/ ([a-z])(?= |$)/\1/g'

---

这个栅栏柱到底是什么意思？

perl选项-e告诉perl命令接受脚本（这是您在其后立即看到的奇异正则表达式），而-p将使脚本在文件。 （我不是perl专家，所以我需要有人仔细检查一下，我只是看着perl -h寻求帮助。）

现在是正则表达式。

s/<match>/<replace>/g遵循sed的语法。它会s在g处大地<match>，并用<replace>代替。

在这里，匹配项为([a-z])(?= |$)，它告诉perl匹配带有空格的地方，后跟一个小写字母（([a-z])，其中[a-z]表示匹配的字符，()代表捕获组，在<replace>部分中使用。）

然后，以确保紧随其后的是空格还是行尾（(?= |$)），这就是我之前所指的[正面]前瞻。竖线表示“或”。因此，先行搜索将搜索空格（）“或”行尾（$）。前瞻确保正确的匹配，同时在匹配中不包含空格/结尾。

替换为\1，它将替换为第一个捕获组。在这种情况下，捕获组就是匹配的小写字母。

为什么此正则表达式有效

如果您查看文本文件的第一行：

Some word here: T h e Q u i c k B r o w n F o x J u m p s O v e r T h e L a z y D o g

我们只想匹配小写字母，后跟一个空格，即a-z。如果我们仅匹配a-z，则它将包括Some，word和here。因此，我们将小写字母匹配在一起，在前面和后面都有空格。我们通过匹配第一个空格来删除它，方法是只替换字母，然后删除空格。

此正则表达式的限制

如果您的文件包含

Lol a word here: T h e Q u i c k B r o w n F o x J u m p s O v e r T h e L a z y D o g

然后输出将包括：

Lola word here: The Quick Brown Fox Jumps Over The Lazy Dog

不如gboffi's answer准确，因为它与冒号 匹配。但是正则表达式仍然是简短的\ _（ツ）_ /¯。

进一步阅读：Reference: What does this regex mean?

Answer 3

这可能对您有用（GNU sed）：

 sed -r ':a;s/^(.*: .*) ([[:lower:]])/\1\2/;ta' file

在当前行的:之后，将所有空格的小写字母后跟小写字母替换为小写字母。该解决方案一直沿用至今，直到满足所有情况后才失效。

Answer 4

使用gensub（）的GNU awk：

$ awk 'BEGIN{FS=OFS=":"} {$2=gensub(/ ([^[:upper:]])/,"\\1","g",$2)}1' file
Some word here: The Quick Brown Fox Jumps Over The Lazy Dog
Some doggerel: Jack And Jill Went Up The Hill

任何awk：

$ awk 'BEGIN{FS=OFS=":"} {gsub(/ /,"",$2); gsub(/[[:upper:]]/," &",$2)}1' file
Some word here: The Quick Brown Fox Jumps Over The Lazy Dog
Some doggerel: Jack And Jill Went Up The Hill

Answer 5

这里是使用Perl的另一种变体

$ cat peter.txt
Some word here: T h e Q u i c k B r o w n F o x J u m p s O v e r T h e L a z y D o g
Some doggerel: J a c k A n d J i l l W e n t U p T h e H i l l

$ perl -F":" -lane ' $F[1]=~s/ //g; $F[1]=~s/([A-Z])/ \1/g; print "$F[0]:$F[1]" ' peter.txt
Some word here: The Quick Brown Fox Jumps Over The Lazy Dog
Some doggerel: Jack And Jill Went Up The Hill

Answer 6

可以通过许多不同方式解决此问题。我能想到的最简单的方法是在小写字母之前删除空格。我曾尝试使用SED，因为TrebuchetMS提到“ SED的正则表达式中没有环视功能”

echo "T h e Q u i c k B r o w n F o x J u m p s O v e r T h e L a z y D o g" |  sed 's/[[:blank:]]\([[:lower:]]\)/\1/g'

输出：敏捷的棕色狐狸跳过了懒狗