通过带有awk的正则表达式将单行数据分隔为多行？

有一个40mb的单行文件，其中没有固定的宽度或定界字符。但每个记录都以一个P开头，后跟一个P或S，然后是一个数字。所以可能是这样的：

第5页 -或- PS5 或PP0等

最好的办法是什么

$ echo PP5xxxPS5yyyyPP0zzz | awk -F'P[PS][0-9]' -v OFS='\n' '{$1=$1}1'

xxx
yyyy
zzz

因为第一行是以分隔符开头的，所以如果重要的话，可以删除它

如果要保留分隔符，使用

sed可能更容易

$ echo PP5xxxPS5yyyyPP0zzz | sed 's/P[PS][0-9]/\n&/g'

PP5xxx
PS5yyyy
PP0zzz

借用，这可能是您想要的（使用GNU awk进行多字符RS和RT）：

gawk解决方案与@karakfa建议的sed解决方案之间的差异如下：

sed解决方案将在输出开始处打印一个空行，而上述解决方案不会打印，并且
sed解决方案将一次性将整个输入行读入内存，而上述解决方案一次仅将一个RS分离的块读入内存。只有当您的输入太大而无法同时放入内存时，这才有关系
sed脚本可移植到任何版本的sed，该版本允许替换文本中的
\n
表示“换行符”，并且很容易修改为在其他版本中使用转义文字换行符，而上述内容需要GNU awk
这行先是p，然后是p/S，然后是#。行的起点是行的终点，所以为什么不使用固定的RS而不是正则表达式呢。也许吧

{mawk/mawk2/gawk} 'BEGIN { FS = "^$" ; RS = "\nP" ;
    
    } FNR==1 { sub(/^P/, "") } { print "P" $0 } ' 

让我们把p取下来，把它印回去。第一行的打印+下一行或单子行（）。我更喜欢FNR==1只运行一次的条件，而不是要求FNR>1的相反条件

是的，从技术上讲，最后一行不会被RS分割。这是awk已知的弱点之一——最后一行将使用相同的ORS打印，无论EOF是否带有RS

我这样写是为了允许没有RT的变体（基本上是其他所有人）。RT使生活变得轻松。
有几种方法可以处理此问题，正确的方法取决于数据中的其他内容。您的问题将显示一个简洁、可测试的示例输入和预期输出，以便我们可以帮助您。看看这是否还不清楚。
{mawk/mawk2/gawk} 'BEGIN { FS = "^$" ; RS = "\nP" ;
    
    } FNR==1 { sub(/^P/, "") } { print "P" $0 } '