c - 有条件地替换 txt 中的行 [vim、batch、awk、C]

Question

我有一个包含 4 个表格列的文本文件，该文本是一个程序的输出，该程序无法识别某些字符，例如撇号 ' 或中点·，并且该错误被标记为 Fz。结构将是 with the numbers are removed. Little explanation: each line is a TAG that represents morphosyntax of a word in Catalonian. In this language can be contractions (the apostrophes) at the beginning or at the end of a word.



<p>I need to find those errors, erase that line and modify the previous or next line depending if the apostrophe is at the beginning or at the end of a word.</p>

<p>Example:
- Original</p>

<pre><code>s segon NCMN000 1
’ ’ Fz 1
l litre NCMN000 1
’ ’ Fz 1
esplèndida esplèndid AQ0FS0 1
l litre NCMN000 1
’ ’ Fz 1
armaren armar VMIS3P0 0.388664
’ ’ Fz 1
l litre NCMN000 1
obeïren obeir VMIS3P0 0.388664
t t AQ0CS0 0.0283644
‘ ‘ Fz 1
aparellen aparellar VMIP3P0 0.890625
‘ ‘ Fz 1
t t AQ0CS0 0.0283644
</code></pre>

<p>-Correct (Handtyped)</p>



s'  P0300000    es
l'  DA0CS0  el
esplèndida  AQ0FS0  esplèndid
l'  PP3MSA00    ell
armaren VMIS3P0 armar
'l  PP3MSA00    ell
obeïren VMIS3P0 obeir
t'  PP2CS000    tu
aparellen   VMIP3P0 aparellar
‘t  PP2CS000    tu

正如你所看到的，相同的错误有不同的变化，因为它对应于上一行或下一行，即使在同一行中也可以有多个解决方案(进行切换并由用户决定)，具体取决于性别和收缩性别:

• 情感:(女性)LA emoció -> l'emoció。

• 辩护人(律师):(男性)EL advocat -> l'advocat

Answer 1

使用正则表达式来识别错误行，例如:

^[’‘]\s+[’‘]\s+[F][z]\s+[[:d:]]

逐行浏览文件，将该行分配给字符串缓冲区。

使用 regcomp 编译上面的正则表达式:

regex_t regex;
int reti = regcomp(&regex, "^[’‘]\s+[’‘]\s+[F][z]\s+[[:d:]]", 0);
reti = regexec(&regex, bufferAsString, 0, NULL, 0); //where bufferAsString
//is your file's buffer as a string ending in \0

然后检查 reti 的值，如果确实你找到了你的行，你可以用它或它的前一个做任何事情。

正则表达式的意思是:行开头，紧接着是“OR a ”，然后是至少一个或多个空格/制表符，后面是“OR a ”，后面是空格，后面是 F，然后是 z、一些空格和一个数字数字。

越精确越好，所以如果您知道只有 4 个空格，请将\s+ 更改为\s\s\s\s，或者如果您知道 Fz 之后的数字始终为 1，请将 [ [:d:]] 与 [1] 。

下面是 C 语言正则表达式的示例: Regular expressions in C: examples?