Regex 创建匹配括号-awk:sed

我有一个数据集，它有三种模式：

第一:

abrasion abrade:stem<>ion:suffix
abstainer abstain:stem<>er:suffix
abstention abstain:stem<>ion:suffix

abrasion ((abrade:stem) ion:suffix)
abstainer ((abstain:stem)er:suffix)
abstention ((abstain:stem)ion:suffix)

第二：

inaccurate (in:prefix(accurate:stem))
inactive (in:prefix(active:stem))

第三：

incommunicable (in:prefix ((communicate:stem)able:suffix))
incompatibility (in:prefix ((compatible:stem)ity:suffix))

我正在使用的代码是awk

{
    n = gsub(/<>/,")",$2)
    s = sprintf("%*s",n,"")
    gsub(/ /,"(",s)
    print "(" $1, s "((" $2 "))"
}

---

它没有产生示例中提到的预期输出。

模式1的预期输出可能有问题，括号没有配对，我猜是打字错误，应该是：

abrasion ((abrade:stem)ion:suffix)
abstainer ((abstain:stem)er:suffix)
abstention ((abstain:stem)ion:suffix)

我制作了这个awk脚本：

awk -v d="<>" '{$2="("$2")"}
$1~/^ab/{sub(d,")",$2);$2="(" $2}
$1~/^ina/{sub(d,"(",$2);$2=$2")"}
$1~/^inc/{sub(d,"((",$2);sub(d,")",$2);$2=$2")"}7' file

---

这应该足够一般，因为它考虑了匹配的

：stem

、

：prefix

和

：sufix

：

awk 'BEGIN{FS=OFS="\n"}{
  a=gensub(/([a-zA-Z]*):stem/,"(\\1:stem)", "g");
  b=gensub(/(\([a-zA-Z]*:stem\))<>([a-zA-Z]*):suffix/,"(\\1\\2:suffix)", "g", a);
  c=gensub(/([a-zA-Z]*:prefix)<>(.*)/,"(\\1\\2)", "g", b);
  print c;}' testfile

awk'BEGIN{FS=OFS=“\n”}{
a=gensub（/（[a-zA-Z]*）：stem/，“（\\1:stem）”，“g”）；
b=gensub（/（\（[a-zA-Z]*：stem\）（[a-zA-Z]*）：后缀/，“（\\1\\2:后缀）”，“g”，a）；
c=gensub（/（[a-zA-Z]*：前缀）（.*）/，“（\\1\\2）”，“g”，b）；
打印c；}测试文件

此处演示：

编辑

这应该考虑多个后缀和前缀：

awk 'BEGIN{FS=OFS="\n"}{
   a=gensub(/([a-zA-Z]*):stem/,"(\\1:stem)", "g");
   while ( a ~ /stem)<>.*:suffix/) {
     a=gensub(/(\([a-zA-Z]*:stem\).*?)<>([a-zA-Z]*):suffix/,"(\\1\\2:suffix)", "g", a);
   }
   while ( a ~ /<>/) {
     a=gensub(/([a-zA-Z]*?:prefix)<>(.*)/,"(\\1\\2)", "g", a);
   }
   print a;}' test

awk'BEGIN{FS=OFS=“\n”}{
a=gensub（/（[a-zA-Z]*）：stem/，“（\\1:stem）”，“g”）；
while（a~/词干）。*：后缀/）{
a=gensub（/（\（[a-zA-Z]*：stem\）*（[a-zA-Z]*）：后缀/，“（\\1\\2:后缀）”，“g”，a）；
}
而（a~//）{
a=gensub（/（[a-zA-Z]*？：前缀）（.*）/，“（\\1\\2）”，“g”，a）；
}
打印；}测试

此处演示：

---

（如果反民族主义不是一个词，那么很抱歉，但为了测试……）

awk

救命

$ awk 'function wrap(v) {return "("v")"; }
      {n=split($2,a,"<>"); 
       if(n==3) w=wrap(a[1] wrap(wrap(a[2]) a[3])); 
       else if(a[1]~/:prefix/) w=wrap(a[1] wrap(a[2])); 
       else w=wrap(wrap(a[1]) a[2]);
       print $1, w}' stems

abrasion ((abrade:stem)ion:suffix)
abstainer ((abstain:stem)er:suffix)
abstention ((abstain:stem)ion:suffix)
inaccurate (in:prefix(accurate:stem))
inactive (in:prefix(active:stem))
incommunicable (in:prefix((communicate:stem)able:suffix))
incompatibility (in:prefix((compatible:stem)ity:suffix))

$awk'函数包装（v）{return”（“v”）；}
{n=拆分（$2，a，“”）；
如果（n==3）w=wrap（a[1]wrap（wrap（a[2]）a[3]）；
如果（a[1]~/:prefix/）w=wrap（a[1]wrap（a[2]），则为else；
else w=wrap（wrap（a[1]）a[2]）；
打印$1，w}'词干
磨损（（磨损：阀杆）离子：后缀）
弃权者（（弃权：词干）弃权者：后缀）
弃权（（弃权：茎）离子：后缀）
不准确（在：前缀（准确：词干））
非活动（在：前缀（活动：干））
不可通信（in:前缀（（通信：干）可通信：后缀））
不兼容（in:前缀（（兼容：茎）ity:后缀））

awk-F'|'-v OFS='{
$1 = $1 " " 
对于（i=2；iunhappiness（un:prefixhap:stemy:suffixness:suffix）。此代码没有生成所需的输出。它只检查前缀为^ab inc等的单词。我需要一个通用的one@Karun它不是“将军”解决方案，它只适用于您所讨论的示例。我没有阅读PDF文件，也不会这样做。您应该解释所讨论的要求，而不仅仅是附上/链接一份318页的文件。@Kent我很抱歉。我的目的是对主题进行概述是的。这应该是general@Guido如果一个单词有3个前缀和3.suffix@Karun这不是问题的一部分；不管怎样，一个单词有可能同时有多个前缀或后缀吗？（对不起，如果是的话，英语不是我的母语）。这个单词不会在你输入的不同行上，因为同一个词干有不同的后缀吗@ᴳᵁᴵᴰᴼ 是的。我可以举一些例子。请检查新添加的代码。这很好。反国家主义是一个词。你可以添加一个解释或理由吗？@C_B Well OP说，对于大型数据集，接受的答案很慢。这个版本没有这个问题。
awk -v d="<>" '{$2="("$2")"}
$1~/^ab/{sub(d,")",$2);$2="(" $2}
$1~/^ina/{sub(d,"(",$2);$2=$2")"}
$1~/^inc/{sub(d,"((",$2);sub(d,")",$2);$2=$2")"}7' file

abrasion ((abrade:stem)ion:suffix)
abstainer ((abstain:stem)er:suffix)
abstention ((abstain:stem)ion:suffix)
inaccurate (in:prefix(accurate:stem))
inactive (in:prefix(active:stem))
incommunicable (in:prefix((communicate:stem)able:suffix))
incompatibility (in:prefix((compatible:stem)ity:suffix))

awk 'BEGIN{FS=OFS="\n"}{
  a=gensub(/([a-zA-Z]*):stem/,"(\\1:stem)", "g");
  b=gensub(/(\([a-zA-Z]*:stem\))<>([a-zA-Z]*):suffix/,"(\\1\\2:suffix)", "g", a);
  c=gensub(/([a-zA-Z]*:prefix)<>(.*)/,"(\\1\\2)", "g", b);
  print c;}' testfile

awk 'BEGIN{FS=OFS="\n"}{
   a=gensub(/([a-zA-Z]*):stem/,"(\\1:stem)", "g");
   while ( a ~ /stem)<>.*:suffix/) {
     a=gensub(/(\([a-zA-Z]*:stem\).*?)<>([a-zA-Z]*):suffix/,"(\\1\\2:suffix)", "g", a);
   }
   while ( a ~ /<>/) {
     a=gensub(/([a-zA-Z]*?:prefix)<>(.*)/,"(\\1\\2)", "g", a);
   }
   print a;}' test

$ awk 'function wrap(v) {return "("v")"; }
      {n=split($2,a,"<>"); 
       if(n==3) w=wrap(a[1] wrap(wrap(a[2]) a[3])); 
       else if(a[1]~/:prefix/) w=wrap(a[1] wrap(a[2])); 
       else w=wrap(wrap(a[1]) a[2]);
       print $1, w}' stems

abrasion ((abrade:stem)ion:suffix)
abstainer ((abstain:stem)er:suffix)
abstention ((abstain:stem)ion:suffix)
inaccurate (in:prefix(accurate:stem))
inactive (in:prefix(active:stem))
incommunicable (in:prefix((communicate:stem)able:suffix))
incompatibility (in:prefix((compatible:stem)ity:suffix))

awk -F'<>| ' -v OFS= '{ 
    $1 = $1 " " 
    for (i=2; i<=NF; i++) { 
        if ($i ~ /prefix$/)    { $i = "(" $i; $NF = $NF ")" } 
        if ($i ~ /stem\)?$/)   { stem = i; $i = "(" $i ")" } 
        if ($i ~ /suffix\)?$/) { $i = $i ")"; $stem = "(" $stem } } 
    } { print }'