awk 选择性打印页码

Question

我有一个包含要打印的 .pdf 文件页码的字符串，但我想最小化字符串的长度，以便用破折号替换所有连续的数字，以便进行选择性打印awk。有人可以帮我编写 awk 代码吗？

来自

1,3,4,5,6,7,8,9,11,12,13,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,53,

进入

1,3-13,15-51,53

Answer 1

这个问题的棘手部分是，在收到下一个值之前，您不知道如何打印前一个值。

这是一个在输入多行输入时可以正常工作的脚本，将每一行视为一组单独的要处理的数字。它完全忽略空字段(前导、相邻或尾随逗号)。它假设每行上的字段都是数字并按升序排序。它实际上不适用于数据中的负数(使用破折号分隔范围的格式变得笨拙 - 但数据是正确的)，但它对零很满意。

这不是最紧凑的代码，但我相信清晰度比压缩更重要，特别是当它正确时(如果有必要，优化或压缩稍后进行)。

BEGIN { FS = "," }

function print_range()
{
    if (lo == hi)
        printf "%s%d", pad, lo
    else
        printf "%s%d-%d", pad, lo, hi
    pad = ","
}

{
    lo = ""
    hi = ""
    pad = ""
    for (i = 1; i <= NF; i++)
    {
        if ($i == "")   # Ignore empty fields - could report them
            continue
        else if (lo == "")
            hi = lo = $i
        else if ($i == hi + 1)
            hi = $i
        else
        {
            # Previous range complete - print it
            print_range()
            lo = hi = $i 
        }
    }
    print_range()
    print ""
}

我使用了包含上述代码的文件 script.awk，并调用 awk -f script.awk data* 来生成如下所示的输出。

这里是一些示例数据(紧密基于问题中的数据):

1,3,4,5,6,7,8,9,11,12,13,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,53,
1,3,4,5,6,7,8,9,11,12,13,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,53
1,3,4,5,6,7,8,9,11,12,13,15,16,17,18,19,20,21,22,23,24,25,26,27,28,30,31,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,53
3,4,5,6,7,8,9,11,12,13,15,16,17,18,19,20,21,22,23,24,25,26,27,28,30,31,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,53
3,4,5,6,7,8,9,11,12,13,15,16,17,18,19,20,21,22,23,24,25,26,27,28,30,31,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51

第一行有一个逗号；其他人则不然。第三行及后续行缺少条目 29 和 32，因此数据中存在 2 元素范围 30-31。最后两行在开头有一个多元素范围而不是单个项目；最后一行的末尾有一个多元素范围而不是单个项目。

脚本的输出是:

1,3-9,11-13,15-51,53
1,3-9,11-13,15-51,53
1,3-9,11-13,15-28,30-31,33-51,53
3-9,11-13,15-28,30-31,33-51,53
3-9,11-13,15-28,30-31,33-51

可以很容易地调整打印来检测 hi == lo + 1 并决定打印逗号分隔的值而不是破折号分隔的值(如果这是首选)。