regex - 使用sed替换仅用引号引起来的文本

Question

我有这个测试文件。

[root @ localhost〜]＃cat f.txt
“a aa” MM“bbb b”
MM MM
MM“b b”
[root @ localhost〜]＃

我想替换引号中的所有空格字符，请注意，仅在引号中。引号中的所有字符都不应被触摸。也就是说，我想要的东西类似于:

“a_aa” MM“bbb__b”
MM MM
MM“b_b_”

可以使用 sed 来实现吗？

谢谢，

Answer 1

这是一个完全不平凡的问题。

这可以用下划线替换引号内的第一个空格:

$ sed 's/\("[^ "]*\) \([^"]*"\)/\1_\2/g' f.txt
"a_aa"  MM  "bbb_ b"
MM    MM
MM"b_b "
$

对于此示例，在所有引号内最多包含两个空格的地方，很想简单地重复执行该命令，但是会给出错误的结果:

$ sed -e 's/\("[^ "]*\) \([^"]*"\)/\1_\2/g' \
>     -e 's/\("[^ "]*\) \([^"]*"\)/\1_\2/g' f.txt
"a_aa"_ MM  "bbb_ b"
MM    MM
MM"b_b_"
$

如果您的 sed版本支持“扩展的正则表达式”，则适用于示例数据:

$ sed -E \
>    -e 's/^(([^"]*("[^ "]*")?)*)("[^ "]*) ([^"]*")/\1\4_\5/' \
>    -e 's/^(([^"]*("[^ "]*")?)*)("[^ "]*) ([^"]*")/\1\4_\5/' \
>    -e 's/^(([^"]*("[^ "]*")?)*)("[^ "]*) ([^"]*")/\1\4_\5/' \
>    f.txt
"a_aa"  MM  "bbb__b"
MM    MM
MM"b_b_"
$

您必须对双引号内的每个空格重复该令人讨厌的正则表达式-因此对于第一行数据要重复三遍。

正则表达式可以解释为:

从一行的开头

查找“零个或多个非引号，可选后跟一个引号，无空格或引号和一个引号”的序列，整个程序集重复零次或多次，

后跟一个引号，零个或多个非引号，非空格，一个空格，零个或多个非引号以及一个引号。

用开头部分，当前引用的段落开始处的 Material ，下划线和当前引用的段落的尾随 Material 替换匹配的 Material 。

由于起始 anchor ，必须每个空白重复一次...但是 sed具有循环结构，因此我们可以使用以下方法:

$ sed -E -e ':redo
>            s/^(([^"]*("[^ "]*")?)*)("[^ "]*) ([^"]*")/\1\4_\5/
>            t redo' f.txt
"a_aa"  MM  "bbb__b"
MM    MM
MM"b_b_"
$

:redo定义标签； s///命令与以前一样；如果自上次读取行以来进行了任何替换， t redo命令将跳转到标签，或跳转到标签。

考虑到评论中的讨论，有两点值得一提:

-E选项适用于MacOS X上的sed(已测试10.7.2)。 GNU版本的sed的相应选项是-r(或--regex-extended)。 -E选项与grep -E(也使用扩展的正则表达式)一致。 “经典的Unix系统”不支持带有sed的ERE(Solaris 10，AIX 6，HP-UX 11)。

您可以将我使用的?(这是唯一一个强制使用ERE而不是BRE的字符)替换为*，然后处理括号(在BRE中需要在它们前面加反斜杠以使它们变为捕获括号)，然后保留以下脚本:

sed -e ':redo
        s/^\(\([^"]*\("[^ "]*"\)*\)*\)\("[^ "]*\) \([^"]*"\)/\1\4_\5/g
        t redo' f.txt

这会在相同的输入上产生相同的输出-我在输入中尝试了一些稍微复杂的模式:

"a aa"  MM  "bbb  b"
MM    MM
MM"b b "
"c c""d d""e  e" X " f "" g "
 "C C" "D D" "E  E" x " F " " G "

这给出了输出:

"a_aa"  MM  "bbb__b"
MM    MM
MM"b_b_"
"c_c""d_d""e__e" X "_f_""_g_"
 "C_C" "D_D" "E__E" x "_F_" "_G_"

即使使用BRE表示法，sed也支持\{0,1\}表示法来指定0个或1个先前RE项的出现，因此可以使用以下命令将?版本转换为BRE:

sed -e ':redo
        s/^\(\([^"]*\("[^ "]*"\)\{0,1\}\)*\)\("[^ "]*\) \([^"]*"\)/\1\4_\5/g
        t redo' f.txt

这将产生与其他替代方案相同的输出。