数字、括号和 sed

Question

我需要清理一些文本并尝试删除括号中出现的数字。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

我想我会首先分解字符串并删除数字（如果它们出现在括号之间），但似乎我遗漏了什么。

echo "Foo 12 (bar, 12)" | sed 's/\(.*\)\((\)\([^0-9,].*\)\([, ].*\)\([0-9].*\)\()\)//g'

结果 Foo 12 (bar,)。

我想我的方法太原子化了。我能做什么？

Answer 1

如果你对 Perl 没有问题，你可以试试这个。

$ perl -pe 's/\s*,?\s*\b\d+\b\s*,?\s*(?=[^()]*\))//g;s/\h*\(\)$//' file
Foo 12 (bar)
Foo 12 (bar)
Foo

或

$ perl -pe 's/(?:(?<=\()\d+,\h*|,?\h*\d+\b)(?=[^()]*\))//g;s/\h*\(\)$//' file
Foo 12 (bar)
Foo 12 (bar)
Foo

DEMO

Answer 2

这是解决此类问题的通用方法，您可以在其中隔离特定标记并对其进行处理，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.*//      # 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\(.*\)//

  b loop                    # then loop to get all such tokens.
}

对于那些认为这超出了 sed 应该合理完成的范围的人，我要说：是的，但是......好吧，是的。但是，如果你看到的只是钉子，这是一种将 sed 变成大锤的方法。

这当然可以写成内联（尽管这不利于可读性）：

echo 'Foo 12 (bar, 12)' | sed ':loop;/([^)]*[0-9]\+[^)])/{;s//\n&\n/;h;s/.*\n\(.*\)\n.*//;s/[0-9]\+,\s*//g;s/,\s*[0-9]\+//g;s/\s*[0-9]\+\s*//g;s/\s*()//;G;s/\(.*\)\n\(.*\)\n.*\n\(.*\)//;b loop}'

但我的建议是将其放入文件中运行 echo 'Foo 12 (bar, 12)' | sed -f foo.sed。或者，使用上面的 shebang，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 OP 在这种情况下想要什么，但为了完成，基本模式可以适应其他行为，如下所示：

#!/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.*//

  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\(.*\)//

  b loop
}

顶部的正则表达式现在看起来更可怕了。知道它由四个子模式组成应该会有所帮助

(\s*[0-9]\+\s*)
(\s*[0-9]\+\s*,[^)]*)
([^)]*,\s*[0-9]\+\s*)
([^)]*,\s*[0-9]\+\s*,[^)]*)

与 \| 进行或运算。这应该涵盖所有情况，并且不匹配括号中的 foo12、12bar 和 foo12bar 之类的内容（除非它们中也有独立的数字）。

Answer 3

这是一个 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

目录文件

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

Answer 4

sed ':retry

# remove "( number )"
s/( *[0-9]* *)//

# remove first ", number" (not at first place)
s/^\(\([^(]*([^(]*)\)*[^(]*([^)]*\), *[0-9]\{1,\} *\([,)]\)//
    t retry

# remove " number" (first place)
s/^\(\([^(]*([^(]*)\)*[^(]*(\) *[0-9]\{1,\}\(,\{0,1\}\)\()\{0,1\}\)]*//

# case needed where only "( number)" or "()" are the result at this moment
t retry
' YourFile

(posix 版本所以 --POSIX 在 GNU sed 上)

数字、括号和 sed

Numbers, parentheses and sed

regex

sed