在 linux 中使用 awk 或 sed 解析简单字符串

Question

原始字符串：
A/trunk/apple/B/trunk/apple/Z/trunk/orange/citrus/Q/trunk/melon/juice/venti/straw/

目录的深度会有所不同，但 /trunk 部分将始终保持不变。 /trunk 前面的单个字符是该行的指示符。

期望的输出：

A /trunk/apple
B /trunk/apple
Z /trunk/orange
Q /trunk/melon/juice/venti/straw

*** 编辑
很抱歉，我犯了一个错误，在原始字符串的每个路径末尾添加了一个斜杠，这使得输出变得混乱。原始字符串没有大写字母前的斜杠，但我保留它。

我的尝试：

echo $str1 | sed 's/$.\/trunk$/\n/g'

我觉得它应该有用，但没有用。

Answer 1

要处理复杂的样本输入，比如在一行中可能有 N 个 / 和值，请尝试以下操作。

awk '
{
  gsub(/[^/]*\/trunk/,OFS"&")
  sub(/^ /,"")
  sub(/\//,OFS"&")
  gsub(/ +[^/]*\/trunk\/[^[:space:]]+/,"\n&")
  sub(/\n/,OFS)
  gsub(/\n /,ORS)
  gsub(/\/trunk/,OFS"&")
  sub(/[[:space:]]+/,OFS)
}
1
'  Input_file

说明：为以上添加详细说明。

awk '                                            ##Starting awk program from here.
{
  gsub(/[^/]*\/trunk/,OFS"&")                    ##Globally substituting everything from / to till next / followed by trunk/ with space and matched value.
  sub(/^ /,"")                                   ##Substituting starting space with NULL here.
  sub(/\//,OFS"&")                               ##Substituting first / with space / here.
  gsub(/ +[^/]*\/trunk\/[^[:space:]]+/,"\n&")    ##Globally substituting spaces followed by everything till / trunk till space comes with new line and matched values.
  sub(/\n/,OFS)                                  ##Substituting new line with space.
  gsub(/\n /,ORS)                                ##Globally substituting new line space with ORS.
  gsub(/\/trunk/,OFS"&")                         ##Globally substituting /trunk with OFS and matched value.
  sub(/[[:space:]]+/,OFS)                        ##Substituting spaces with OFS here.
}
1                                                ##Printing edited/non-edited line here.
'  Input_file                                    ##Mentioning Input_file name here.

使用您展示的示例，请尝试以下 awk 代码。

awk '{gsub(/\/trunk/,OFS "&");gsub(/trunk\/[^/]*\//,"&\n")} 1' Input_file

Answer 2

在 awk 您可以尝试这个解决方案。它处理当下一个字符为大写时删除正斜杠的特殊要求。不会赢得设计奖但作品。

$ echo "A/trunk/apple/B/trunk/apple/Z/trunk/orange" | 
    awk -F '' '{ x=""; for(i=1;i<=NF;i++){ 
      if($(i+1)~/[A-Z]/&&$i=="/"){$i=""}; 
      if($i~/[A-Z]/){ printf x""$i" "}
      else{ x="\n"; printf $i } }; print "" }'
A /trunk/apple
B /trunk/apple
Z /trunk/orange

也适用于 n 个单词。实际上适用于任何遵循给定模式的东西。

$ echo "A/fruits/apple/mango/B/anything/apple/pear/banana/Z/ball/orange/anything" | 
    awk -F '' '{ x=""; for(i=1;i<=NF;i++){
      if($(i+1)~/[A-Z]/&&$i=="/"){$i=""};
      if($i~/[A-Z]/){ printf x""$i" "}
      else{ x="\n"; printf $i } }; print "" }'
A /fruits/apple/mango
B /anything/apple/pear/banana
Z /ball/orange/anything

Answer 3

这可能适合您 (GNU sed)：

sed 's/[^/]*/& /;s/\//\n/3;P;D' file

用 space.

将第一个单词与第一个 / 分开

用换行符替换第三个 /。

Print/delete 第一行并重复。

如果第一个单词有属性表示它只有一个字符长：

sed 's/./& /;s#/\(./\)#\n#;P;D' file

或者，如果第一个单词的属性以大写字符开头：

sed 's/[[:upper:]][^/]*/& /;s#/\([[:upper:][^/]*/\)#\n#;P;D' file

或者如果第一个单词有属性，后面跟着 /trunk/：

sed -E 's#([^/]*)(/trunk/)#\n #g;s/.//' file

Answer 4

使用 gnu awk 您可以使用 FPAT 使用模式设置每个字段的内容。

循环字段时，将第一个 / 替换为 /

str1="A/trunk/apple/B/trunk/apple/Z/trunk/orange"

echo $str1 | awk -v FPAT='[^/]+/trunk/[^/]+' '{    
for(i=1;i<=NF;i++) {
    sub("/", " /", $i)
    print $i
    }
}'

模式匹配

[^/]+ 匹配除 /
/trunk/[^/]+ 匹配 /trunk/ 和除 /

输出

A  /trunk/apple
B  /trunk/apple
Z  /trunk/orange

更新问题后FPAT可以使用的其他模式：

匹配单词边界 \< 和大写字符 A-Z 并在 /trunk 之后重复 / 和小写字符

FPAT='\<[A-Z]/trunk(/[a-z]+)*'

如果/trunk之后的目录字符串长度至少为2个字符：

FPAT='\<[A-Z]/trunk(/[^/]{2,})*'

如果没有由单个大写字符 A-Z 组成的单独文件夹

FPAT='\<[A-Z]/trunk(/([^/A-Z][^/]*|[^/]{2,}))*'

输出

A /trunk/apple
B /trunk/apple
Z /trunk/orange/citrus
Q /trunk/melon/juice/venti/straw

Answer 5

使用 GNU awk 进行多字符 RS 和 RT：

$ awk -v RS='([^/]+/){2}[^/\n]+' 'RT{sub("/",OFS,RT); print RT}' file
A trunk/apple
B trunk/apple
Z trunk/orange

我将 RS 设置为正则表达式，描述您要匹配的每个字符串，即重复 2 次非 / 后跟 /，然后是最后一个字符串非 /s（以及输入行最后一个字符串的非换行符）。 RT 自动设置为每个匹配的字符串，所以我只需将第一个 / 更改为空白并打印结果。

如果每条路径并不总是 3 层深但总是以 something/trunk/ 开头，例如：

$ cat file
A/trunk/apple/banana/B/trunk/apple/Z/trunk/orange

然后：

$ awk -v RS='[^/]+/trunk/' 'RT{if (NR>1) print pfx [=12=]; pfx=gensub("/"," ",1,RT)} END{printf "%s%s", pfx, [=12=]}' file
A trunk/apple/banana/
B trunk/apple/
Z trunk/orange

Answer 6

更新

使用您的新数据文件：

$ cat file
A/trunk/apple/B/trunk/apple/Z/trunk/orange/citrus/Q/trunk/melon/juice/venti/straw/

这个 GNU awk 解决方案：

awk '
{
sub(/[/]$/,"")
gsub(/[[:upper:]]{1}/,"& ")
print gensub(/([/])([[:upper:]])/,"\n\2","g")
}' file
A /trunk/apple
B /trunk/apple
Z /trunk/orange/citrus
Q /trunk/melon/juice/venti/straw

Answer 7

假设您的数据始终采用作为单个字符串提供的格式，您可以试试这个 sed。

$ sed 's/$/\//;s|\([A-Z]\)\([a-z/]*\)/\([a-z]*\?\)| \n|g' input_file

$ echo "A/trunk/apple/pine/skunk/B/trunk/runk/bunk/apple/Z/trunk/orange/T/fruits/apple/mango/P/anything/apple/pear/banana/L/ball/orange/anything/S/fruits/apple/mango/B/rupert/cream/travel/scout/H/tall/mountains/pottery/barnes" | sed 's/$/\//;s|\([A-Z]\)\([a-z/]*\)/\([a-z]*\?\)| \n|g'
A /trunk/apple/pine/skunk
B /trunk/runk/bunk/apple
Z /trunk/orange
T /fruits/apple/mango
P /anything/apple/pear/banana
L /ball/orange/anything
S /fruits/apple/mango
B /rupert/cream/travel/scout
H /tall/mountains/pottery/barnes

Answer 8

Perl 的一些乐趣，您可以在其中使用非消耗性正则表达式自动拆分为 @F 数组，然后根据需要打印。

perl -lanF'/(?=.{1,2}trunk)/' -e 'print "$F[2*$_] $F[2*$_+1]" for 0..$#F/2'

第 1 步：拆分

perl -lanF/(?=.{1,2}trunk)/'
这将获取输入流，并在遇到模式 .{1,2}trunk 时分割每一行
因为我们想保留 trunk 和前面的 1 或 2 个字符，所以我们将拆分模式包装在 (?=) 中以实现非消耗性前瞻性
这样分解：

$ echo A/trunk/apple/B/trunk/apple/Z/trunk/orange/citrus/Q/trunk/melon/juice/venti/straw/ | perl -lanF'/(?=.{1,2}trunk)/' -e 'print join " ", @F'
A /trunk/apple/ B /trunk/apple/ Z /trunk/orange/citrus/ Q /trunk/melon/juice/venti/straw/

第 2 步：格式化输出：

@F 数组包含我们要按顺序打印的对，因此我们将迭代数组索引的一半，并一次打印 2 个：
print "$F[2*$_] $F[2*$_+1]" for 0..$#F/2 --> 双倍迭代器，并打印对
使用perl -l意味着每个print在末尾都有一个隐含的\n
结果：

$ echo A/trunk/apple/B/trunk/apple/Z/trunk/orange/citrus/Q/trunk/melon/juice/venti/straw/ | perl -lanF'/(?=.{1,2}trunk)/' -e 'print "$F[2*$_] $F[2*$_+1]" for 0..$#F/2'
A /trunk/apple/
B /trunk/apple/
Z /trunk/orange/citrus/
Q /trunk/melon/juice/venti/straw/

尾注：Perl 混淆无效。

perl 中的任何数组都可以转换为散列，格式为 (key,val,key,val....)
所以%F=@F; print "$_ $F{$_}" for keys %F看起来会很圆滑
但是你失去了秩序：

$ echo A/trunk/apple/B/trunk/apple/Z/trunk/orange/citrus/Q/trunk/melon/juice/venti/straw/ | perl -lanF'/(?=.{1,2}trunk)/' -e '%F=@F; print "$_ $F{$_}" for keys %F'
Z /trunk/orange/citrus/
A /trunk/apple/
Q /trunk/melon/juice/venti/straw/
B /trunk/apple/

Answer 9

使用 GNU sed：

$ str="A/trunk/apple/B/trunk/apple/Z/trunk/orange/citrus/Q/trunk/melon/juice/venti/straw/"
$ sed -E 's|/?(.)(/trunk/)|\n |g;s|/$||' <<< "$str"

A /trunk/apple
B /trunk/apple
Z /trunk/orange/citrus
Q /trunk/melon/juice/venti/straw

注意第一个空输出行。如果不希望我们可以单独处理第一行输出：

$ sed -E 's|(.)| |;s|/(.)(/trunk/)|\n |g;s|/$||' <<< "$str"
A /trunk/apple
B /trunk/apple
Z /trunk/orange/citrus
Q /trunk/melon/juice/venti/straw

在 linux 中使用 awk 或 sed 解析简单字符串

Parsing simple string with awk or sed in linux

awk

parsing

sed