macos - sed仅替换特定文件的第一个前导空格匹配-处理仅CR的行尾

Question

编者按：
后来为了事后诸葛亮，对标题作了修改；有两个不同的问题：
（a）结果显示，输入文件只有\r-行结尾（仅限CR）（经典的Mac OS样式）
（b）尝试在\tregex中使用\r和sed失败，因为BSD Sed（在OSX上使用）不支持这种转义。
我正在开发一个自动程序，它使用Python查找和替换文本文件中的某些单词。程序使用字典，有些实例中用作替换的值是''（意思是，没有）。我不认为这个程序引起了这个问题，但我只是在上下文中提到这个问题。（我认为问题在于sed，所以我不愿意标记Python。）
文件中的某些行有前导空白，这些空白是在文件开头的某些单词被空替换后无意中创建的。我想摆脱他们，我认为在这种情况下sed是最好的工具。
假设文本文件是这样的：

  Display
  Display
 BOX,

所以我使用以下命令通过 sed运行编辑过的文件：

sed -e 's/^[ \t]*//g'

结果是：

 Display
  Display
 BOX,

只编辑第一个匹配项。为什么？
通过测试，我创建了一个全新的纯文本文件，如下所示：

 hello
 hello
 hello

然后我对它运行上面的命令。这确实如预期的那样有效。为什么？
是否可能使用了其他形式的空间（不可打印字符？）是由Python程序创建的？但为什么 sed至少要工作一次呢？
顺便说一句，我正在开发另一个与OS X兼容的便携式解决方案或工具，用于修剪纯文本文件中每一行的前导空白。
编辑：这里是文件的一些 xxd输出（用X替换了大多数实际内容）：

0000000: 2044 6973 706c 6179 2043 616c 6962 7261   X X
0000010: 7469 6f6e 2046 6978 7475 7265 2046 4952  X X X
0000020: 4d57 4152 4520 4b49 545e 4d20 4469 7370  X X^M X
0000030: 6c61 7920 4361 6c69 6272 6174 696f 6e20  X X 
0000040: 4669 7874 7572 6520 524d 6163 426f 6f6b  X X
0000050: 2041 6972 2028 3131 2d69 6e63 682c 204d   X X
0000060: 6964 2032 3031 3229 2050 4f52 5420 4b49  X X) X X
0000070: 545e 4d42 4f58 2c20 5245 434f 5645 5259  T^MBOX, X

Answer 1

tl；博士
下面的任何解决方案都不会更新输入文件；独立的sed命令可以使用-i ''进行调整；需要先将awk解决方案保存到其他文件。
操作系统的输入似乎是一个只有换行符的经典Mac OS文件
谢谢，阿尔维斯。
.
\r总是读取这样一个文件作为一个整体，这通常是不需要的，并且妨碍了OP的行前导空白裁剪方法。
sed因此是更好的选择，因为它允许指定什么构成换行符（通过所谓的输入记录分隔符）：
更新：将原来的awk命令替换为更简单、更快的替代命令，改编自peak's solution：

awk -v RS='\r' '{ sub(/^[ \t]+/, ""); print }'

如果还可以从每一行中修剪尾随空格（如果有的话），并将每一行中单词之间的空格规格化为一个空格，则可以简化为：

awk -v RS='\r' '{ $1=$1; print }'

请注意，输出线将被 awk分开，这是通常需要的。
有关解释和背景信息，包括如何将 \n保留为换行符，请继续阅读。
注：答案的第一部分一般适用，但假设输入有以 \r结尾的行；OP的特殊情况（行显然仅以 \n结尾）在第二部分中处理。
在OSX上使用的BSD Sed只支持 \r作为控制字符转义序列；因此， \n用于匹配制表符。不支持。
要仍然匹配制表符，可以拼接 ANSI C-quoted string以生成实际的制表符。在Sed脚本中（ \t）：

sed 's/^[ '$'\t'']*//'

在这个简单的例子中，可以对整个Sed脚本（ $'\t'）使用ansic引用的字符串，但对于更复杂的脚本，这可能会变得棘手，因为这些字符串有自己的转义规则。
请注意，选项 sed -e $'s/^[ \t]*//'已被删除，因为它是无意义的，因为regex被锚定到输入的开头（ g）。
关于GNU和BSD-Sed之间差异的总结，请参见我的 this answer。
正如@alvits在注释中指出的，输入文件实际上可能有 ^实例，而不是Sed需要分隔行的 \r实例。
也就是说，该文件可能具有OSX Mac OS之前的行终止符：一个 \n \r终止一个行。
一种简单的验证方法是将输入文件传递给 by itself：将 cat -et实例可视化为 \r，而将 ^M实例可视化为 \n（另外， $实例可视化为 \t）。
如果输出中只有 ^I个实例，但没有 ^M个实例，则意味着行不会以 $结尾（同时），整个输入文件被视为单个字符串，这就解释了为什么只处理第一个输入“行”： \n只在整个字符串的最开始处匹配。
由于Sed解决方案（不进行预处理）会导致整个文件作为一个整体被读取，因此 ^是更好的选择：
要按照类Unix平台上的惯例创建分离的输出：

awk -v RS='\r' '{ sub(/^[ \t]+/, ""); print }'

awk告诉Awk通过 \n实例将输入拆分为记录（特殊变量 -v RS='\r'包含输入记录分隔符）。
\r搜索输入行上第一个出现的regex RS，并将其替换为 sub(/^[ \t]+/, "")，即，它有效地修剪了每个输入行的前导空格和制表符。注意，不带显式第三个参数的 ^[ \t]+隐式操作整个输入行。
""然后打印可能修改的输入行。
由于 sub()是Awk的默认输出记录分隔符（ $0），输出记录将被 print终止。
如果您真的想保留 \n作为行分隔符：

awk 'BEGIN { RS=ORS="\r" } { sub(/^[ \t]+/, ""); print }'

OFS将输入和输出记录分隔符设置为 \n。
如果还可以从每一行中删去尾随空格（如果有的话），并将每一行中单词之间的空格规格化为一个空格，则可以将以 \r结尾的变量简化为：

awk -v RS='\r' '{ $1=$1; print }'

不使用 RS=ORS="\r"（也不设置 \r，脚本中的输入字段分隔符）意味着Awk通过运行空格（空格、制表符、换行符）将输入记录拆分为字段。
\n是一种虚拟赋值，其目的是触发输入行的重新生成，每当字段变量被赋值时，都会发生这种情况。
该行通过将字段与输出字段分隔符（默认为单个空格）连接来重建。
实际上，前导空格和尾随空格因此被修剪，每行内部空白都被规范化为一个空格。
如果你想坚持 -F1
-即使这意味着一次读取整个文件：

sed $'s/^[ \t]*//; s/\r[ \t]*/\\\n/g' # note the $'...' to make \t, \r, \n work

这将输出以 FS结尾的行，这在Unix上是常见的。
相比之下，如果您希望保留 $1=$1作为行分隔符，请使用以下内容-但请注意，BSD Sed将始终在最后添加一个 OFS。

 sed $'s/^[ \t]*//; s/\r[ \t]*/\r/g'  

[1] peak's answer最初更清楚地显示了一个实用的多用途替代方案：使用 sed将所有 \n实例替换为 \r实例，并将结果传递到原始 \n命令的BSD Sed友好版本：
\r