Awk sed：按照不同的模式剪切一个子字符串

有一个我要修改的标识符列表：

3300000526.a:P_A23_Liq_2_FmtDRAFT_1000944_2,
200254578.a:CR_10_Liq_3_inCRDRAFT_100545_11, 
3300000110.a:BSg2DRAFT_c10006505_1,
3300000062.a:IMNBL1DRAFT_c0010786_1,
3300000558.a:Draft_10335283_1 

我想从第一个开始删除所有。草稿后第一个不区分大小写，即：

3300000526_1000944_2,
200254578_100545_11, 
3300000110_c10006505_1,
3300000062_c0010786_1,
3300000558_10335283_1 

我使用的是sed的s/.a.*[a-zA-Z0-9]草稿.*.[^.].[a-zA-Z0-9]//g'，但它忽略草稿后的第一个.[u]，并执行以下操作：

3300000526_2,
200254578_11, 
3300000110_1,
3300000062_1,
3300000558_1 

附言。 可以有各种标识符，我试图在这里显示它们的差异的一小部分，但它们都保持相同的模式

---

如果你能改正，我将不胜感激

您可以在awk中轻松完成此操作，请尝试以下操作一次。仅基于显示的样本

awk -F'[.]|DRAFT_' '{$2="_";sub(/ +_ +/,"_")} 1' Input_file

或使用GNU awk处理不区分大小写的问题，请尝试：

awk -v IGNORECASE="1" -F'[.]|DRAFT_' '{$2="_";sub(/ +_ +/,"_")} 1' Input_file

要在不使用ignorecase选项的情况下处理不区分大小写，请尝试：

awk -F'[.]|[dD][rR][aA][fF][tT]_' '{$2="_";sub(/ +_ +/,"_")} 1' Input_file

说明：只需将字段分隔符设置为。或根据OP的需要起草。然后在主程序中将第二个字段设置为u，然后将空格替换为下划线空格。最后按1打印当前行。

可行的解决方案 您可以使用：

sed 's/[.].*[dD][rR][aA][fF][tT]_/_/' data

您也可以使用\。但是我对不必要的反斜杠过敏——如果你不得不花时间争论8个或16个连续的反斜杠是否是使用troff写入文档标记的正确方法，你可能也会过敏

对于示例数据，它将生成：

3300000526_1000944_2,
200254578_100545_11, 
3300000110_c10006505_1,
3300000062_c0010786_1,
3300000558_10335283_1 

出了什么问题 你的命令是：

sed 's/.a.*[a-zA-Z0-9]DRAFT_.*[^_]_[a-zA-Z0-9]//g'

这符合：

任何主角。 小写字母“a” 任何字符序列 字母数字字符 仅大写草稿 强调 任何字符序列 强调 字母数字字符 在每条线上进行全局匹配 然后删除所有匹配的材质。您可以使用以下方法拯救它：

sed 's/[.]a.*[a-zA-Z0-9]DRAFT\(_.*[^_]_[a-zA-Z0-9]\)/\1/'

这将匹配一个点而不是任何字符，并在草稿后保存材料，以下划线开始，即\…\，将匹配的内容替换为保存的内容，即\1。当然，您也可以将DRAFT转换为不区分大小写的模式。然而，问题的术语是从第一点开始的。不区分大小写的草稿后最多包含下划线，并且不需要在下划线后详细说明、保存和替换材质

懒惰 我使用了一个名为mkpattern的程序来避免自己输入复杂的不区分大小写的字符串，这个程序是根据我在1990-08-23上创建的RCS编写的。这不是火箭科学。我经常使用它——事实上，在过去的一周里，我已经多次使用它，在工作中的系统上搜索一些难以捉摸的文档

$ mkpattern DRAFT
[dD][rR][aA][fF][tT]
$

你以后可能得亲自动手。

试试类似的方法

{mawk/mawk2/gawk} 'BEGIN { FS = "[\056].+DRAFT_"; OFS = ""; } (NF < 2) || ($1 = $1)' 

---

它可能不是最快的，但它是相对干净的方法。octal\056是句点，当下一个项目是a时，它对读者来说就不那么模棱两可了。+

这可能适用于GNU-sed：

sed -nE 's/DRAFT[^_]*/\n/i;s/\..*\n//p' file

首先打开-n和-E以关闭隐式打印并使regexp更易于查看

因为我们想要草稿的第一次出现，所以不能使用使用.*习惯用法的regexp，因为这是贪婪的，如果出现两次或更多这样的情况，可能会忽略它。因此，我们用行中无法出现的唯一字符替换草稿。换行只能由程序员引入，是最好的选择

现在我们可以使用.*习惯用法，因为只有在前面的替换成功匹配的情况下，引入的换行符才能存在

---

注意：第一次替换中的i标志允许字符串草稿的任何大写/小写格式副本，第二次替换也包括打印成功替换的p标志。

应该注意的是，如果右侧还有其他模式，引入。*模式也会引入回溯。由于回溯工作是向后的，这也意味着如果有两个或更多可能的模式匹配，第二个模式将首先匹配。OP没有明确说明匹配，但这两种方法会产生不同的结果，即，如果OP希望第一个模式匹配，则此方法不会适用于所有情况。