使用sed命令在两个字符串之间用下划线替换空格。

Question

使用sed命令在两个字符串之间用下划线替换空格。

regexperlawksed

3

我有一个包含如下行的文件：

some thing <phrase>a phrase</phrase> some thing else <phrase>other stuff</phrase>

我需要将所有<phrase>标签之间的空格替换为下划线。所以基本上我需要将>和</之间的每个空格都替换为下划线。我尝试了许多不同的命令，包括sed、awk和perl，但没有一个能运行成功。以下是我尝试过的一些命令。

sed 's@>\s+[</]@_@g' perl -pe 'sub c{$s=shift;$s=~s/ /_/g;$s}s/>.*?[<\/]/c$&/ge'

sed 's@$\[>^[<\/]]*$\s+@\1_@g'

awk -v RS='\\[>^[<\]/]*\\]' '{ gsub(/\<(\s+)\>/, "_", RT); printf "%s%s", $0, RT }' infile 我一直在看这两个问题，试图修改答案以使用我需要的字符。
sed substitute whitespace for dash only between specific character patterns https://unix.stackexchange.com/questions/63335/how-to-remove-all-white-spaces-just-between-brackets-using-unix-tools 请问有人可以帮忙吗？

- gary69

1

命令必须尽可能难以阅读吗？ - melpomene

6个回答

2

我需要将每个出现在>和</之间的空格替换为下划线。

这实际上不能达到您想要的效果，因为例如在以下代码中：

some thing <phrase>a phrase</phrase> some thing else <phrase>other stuff</phrase>
                  ^^^^^^^^^^^      ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

“between > and </”所包含的子字符串比你想象的要多（如上方标记的^）。

我认为在Perl中表达您的需求最直接的方式是：

perl -pe 's{>[^<>]*</}{ $& =~ tr/ /_/r }eg'

这里使用[^<>]来确保匹配的子字符串不能包含<或>（特别是它不能匹配其他<phrase>标签）。

如果这太容易理解了，你也可以这样写：

perl '-pes;>[^<>]*</;$&=~y> >_>r;eg'

- melpomene

1

请查看 https://ideone.com/Oz6ckt。应该是`'s{<phrase>.*?</phrase>}{ $& =~ tr/ /_/r }eg'`。然而，在一般情况下，字符串可能在标签之间有换行符。 - Wiktor Stribiżew

非常感谢。对于我处理的输入，标签之间不会有换行符。 - gary69

@melpomene，我尝试了类似于“perl -lne ' s/(?=>)([^<>]+?)(?=</)/”但它并没有起作用...你能帮我吗？ - stack0114106

1

如果你的数据在GNU Sed中是'd'：

sed -E ':b s/<(\w+)>([^<]*)\s([^<]*)(<\/\1)/<\1>\2_\3\4/;tb' d

- user7712945

1

另一个 Perl，用于替换 <phrase> 标签之间的内容。

$ export a="some thing <phrase>a phrase</phrase> some thing else <phrase>other stuff</phrase>"

$ echo $a | perl -lne ' s/(?<=<phrase>)(.+?)(?=<\/phrase>)/$x=$1;$x=~s{ }{_}g;sprintf("%s",$x)/ge ;  print '
some thing <phrase>a_phrase</phrase> some thing else <phrase>other_stuff</phrase>

$

编辑

感谢 @haukex，进一步缩短

$ echo $a | perl -lne ' s/(?<=<phrase>)(.+?)(?=<\/phrase>)/$x=$1;$x=~s{ }{_}g;$x/ge ;  print '
some thing <phrase>a_phrase</phrase> some thing else <phrase>other_stuff</phrase>

$

- stack0114106

在我看来，s/<phrase>\K(.+?)(?=<\/phrase>)/ 更好一些，这样 <phrase> 就不会成为匹配的一部分。另外，sprintf("%s",$x) 是什么意思？ - haukex

@haukex，是的\K没问题，但在这里(?=<phrase>)更易读。使用sprintf()，您可以替换回匹配的字符串（实际上$1=$&）。 - stack0114106

@haukex.. 是的，你说得对。我更新了答案...关于sprintf()函数...我想知道为什么我会错过它...因为在我的项目中有很多%05d替换，但完全忘记了这个简单的变量就可以做到...我真的卡住了！感谢你的帮助。 - stack0114106

@haukex.. 我觉得你可以帮我.. 你知道为什么 /(?=>)(.*?)(?=<\/)/ 能工作但 (?=>)([^<>]+)(?=<\/) 不能吗？ - stack0114106

@haukex，谢谢您的解释，现在我明白了。 - stack0114106

显示剩余3条评论

1

这可能适用于您（GNU sed）：

sed -E 's/<phrase>|<\/phrase>/\n&/g;ta;:a;s/^([^\n]*(\n[^\n ]*\n[^\n]*)*\n[^\n]*) /\1_/;ta;s/\n//g' file

将标签用换行符隔开。迭代地将两个换行符之间的空格替换为下划线。当没有更多匹配时，删除引入的换行符。

- potong

1

使用支持多字符RS和RT的GNU awk：

```html

With GNU awk for multi-char RS and RT:

```

$ awk -v RS='</?phrase>' '!(NR%2){gsub(/\s+/,"_")} {ORS=RT}1' file
some thing <phrase>a_phrase</phrase> some thing else <phrase>other_stuff</phrase>

- Ed Morton

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- haukex · Accepted Answer

不要使用正则表达式解析XML/HTML。

use warnings;
use 5.014;  # for /r modifier
use Mojo::DOM;

my $text = <<'ENDTEXT';
some thing <phrase>a phrase</phrase> some thing else <phrase>other stuff</phrase>
ENDTEXT

my $dom = Mojo::DOM->new($text);
$dom->find('phrase')->each(sub { $_->content( $_->content=~tr/ /_/r ) });
print $dom;

输出：

some thing <phrase>a_phrase</phrase> some thing else <phrase>other_stuff</phrase>

更新：Mojolicious 还包含一些语法糖，可以将这段代码压缩成一行：

$ perl -Mojo -pe '($_=x($_))->find("phrase")->each(sub{$_->content($_->content=~tr/ /_/r)})' input.txt