使用sed/awk修复损坏的mbox文件

我有一堆旧的、继承的mbox文件，我想把它们转换成maildir。 问题：MBOX不完全符合RFC。 在某些（但不是全部）邮件中，有几个邮箱缺少“^From”行之前的空行，这导致mb2md无法将这些邮件彼此分开

例如：

...
Text of mail 1
... bla....    
To unsubscribe, visit https:...                      
From fetchmail Fri Nov  8 18:35:54 CET 2002          ## ^missing empty line above
...
Text of mail 2
...

现在，我正在寻找一种简单的方法，在任何与“^From”匹配的行之前插入一个空行，但前提是前面没有空行。必须进行一种流编辑，因为邮箱可能非常大

我经常使用sed，但我不熟悉多行匹配。今天尝试了几件事（经过修改后的cut'npaste）但没有成功：(

最后一次尝试是

sed-E'：a；N；$！ba；s/\N（..*）\N从/g'/tmp/testfile//code>

只匹配最后一次出现的图案

sed/awk专家-你有什么提示吗

只匹配最后一次出现的图案

是的。正则表达式是贪婪的。
*
匹配所有内容，然后在匹配所有内容后，匹配来自

的最后一个

\n。匹配除换行符以外的所有内容，以匹配一行

sed -z -E 's/(\n[^\n]+\n)(From )/\1\n\2/g'

如果不想将整个文件读取到内存中，则必须在内存中读取至少两行。下面我将前一行放入保留空间-在每一行读取时将当前行与前一行相加以检查条件。检查后，打印前一行

sed -n -E '
      # Hold first line.
      1{h;b}
      # Append the line to hold space and switch hold space with pattern space
      # so that we have previous\ncurrent lines in pattern space.
      H;x
      # If we have From prepended by anything in previous line, add a newline
      /.+\nFrom /s/\n/\n\n/
      # Remove current line
      s/\n[^\n]*$//
      # Print previous line. Maybe with extra newline.
      p
      # If its last line, also print the holded last line
      ${x;p}
'

和一条单行线：

sed -nE '1{h;b};H;x;/.+\nFrom /s/\n/\n\n/;s/\n[^\n]*$//p;${x;p}'

任何时候使用的
sed
结构不是s、g和p（带-n），都是使用了错误的工具。如果出于某种原因不能使用
formail
，那么只需使用
awk
：

$ awk '/^From/ && p{print ""} {p=NF; print}' file
...
Text of mail 1
... bla....
To unsubscribe, visit https:...

From fetchmail Fri Nov  8 18:35:54 CET 2002          ## ^missing empty line above
...
Text of mail 2
...

这将在任何UNIX设备上使用任何awk都能工作，它一次只读取一行，因此无论您的输入文件有多大，它都能工作。
看，它可能比您手工编写的任何脚本更可靠地为您完成这项工作。这将需要将整个文件读取到内存中，OP说文件
可能非常庞大：A，n，$BA/<代码>。召唤Cthulu。不那么可笑——我假设它在某种类型的保持/缓冲中连接了输入行，但是我不知道它是一次取2行，还是一次读取整个文件，或者我不知道是否。它只是POSIX或GNU之类的东西。据我所知，只是一堆神秘的符文，但我只使用sed大约40年了：-）。我认为你应该在这里有一个空间
/^From/
，因为在邮件中通常有以
From:
开头的行。是的，这种方法非常脆弱<代码>正式邮件
是一条路要走。