Regex 正则表达式：使用AWK gsub的异常模式

我有一个数据文件（cou.data）

此数据中只有空格，但没有选项卡

我想用“：”替换所有空格，但保留保留空格的国家名称不变

也就是说，我想要的输出应该如下所示：

USSR:8649:275:Asia
Cananda:3852:25:North America
China:3705:1032:Asia
USA:3615:237:North America
Brazil:3286:134:South America
India:1267:746:Asia
Mexico:762:78:North America
France:211:55:Europe
Japan:144:120:Asia
Germany:96:61:Europe
England:94:56:Europe
Taiwan:55:144:Asia
North Korea:44:2134:Asia

我绞尽脑汁，只能写这个

awk '{ gsub(/([a-zA-Z] +[0-9]|[0-9] +[a-zA-Z]|[0-9] +[0-9])/, ":"); print }' cou.data

但结果并不正确

USS:64:7:sia
Canand:85::orth America
Chin:70:03:sia
US:61:3:orth America
Brazi:28:3:outh America
Indi:26:4:sia
Mexic:6::orth America
Franc:1::urope
Japa:4:2:sia
German:::urope
Englan:::urope
Taiwa::4:sia
North Kore::13:sia

有些本不该拆下的零件不见了

如何修改我的AWK代码，或者是否有一个简单的解决方案来获得我想要的

ps

---

awk'{print gensub（/（[a-zA-Z]）（[a-zA-Z]）/，“\\1~\\3”，“g”，“$0”）cou.data | sed-r的/+/：/g；s/~//g'

您需要捕获组和反向引用，这不是所有的

awk

实现都支持的

GNU awk

支持使用

gensub

。。我建议改用

sed

$ sed -E 's/ +([0-9])/:\1/g; s/([0-9]) +/\1:/g' ip.txt
USSR:8649:275:Asia
Cananda:3852:25:North America
China:3705:1032:Asia
USA:3615:237:North America
Brazil:3286:134:South America
India:1267:746:Asia
Mexico:762:78:North America
France:211:55:Europe
Japan:144:120:Asia
Germany:96:61:Europe
England:94:56:Europe
Taiwan:55:144:Asia
North Korea:44:2134:Asia

• -E

  要启用ERE，某些sed版本需要

  -r

  而不是

  -E

• s/+（[0-9]）/：\1/g

  匹配一个或多个空格，后跟一个数字。我们只需要替换空格，但保留数字不变。因此，捕获数字并使用反向参考在替换部分中参考它

• s/（[0-9]）+/\1:/g

  这将涵盖数字后跟空格的情况
• 捕获组的定义是将正则表达式放在

  （）

  -从左到右，

  \1

  指第一个这样的组，

  \2

  指第二个这样的组，依此类推

使用

perl

，您可以避免使用捕获组

perl -pe 's/ +(?=\d)|\d\K +/:/g' ip.txt

+（？=\d）|\d\K+

仅当后跟数字或后跟数字时才匹配空格

对于

GNU awk

，有关语法和详细信息，请参阅

awk '{$0=gensub(/ +([0-9])/, ":\\1", "g", $0);
      print gensub(/([0-9]) +/, "\\1:", "g", $0)}' ip.txt 

---

您需要捕获组和反向引用，这不是所有

awk

实现都支持的

GNU awk

支持使用

gensub

。。我建议改用

sed

$ sed -E 's/ +([0-9])/:\1/g; s/([0-9]) +/\1:/g' ip.txt
USSR:8649:275:Asia
Cananda:3852:25:North America
China:3705:1032:Asia
USA:3615:237:North America
Brazil:3286:134:South America
India:1267:746:Asia
Mexico:762:78:North America
France:211:55:Europe
Japan:144:120:Asia
Germany:96:61:Europe
England:94:56:Europe
Taiwan:55:144:Asia
North Korea:44:2134:Asia

• -E

  要启用ERE，某些sed版本需要

  -r

  而不是

  -E

• s/+（[0-9]）/：\1/g

  匹配一个或多个空格，后跟一个数字。我们只需要替换空格，但保留数字不变。因此，捕获数字并使用反向参考在替换部分中参考它

• s/（[0-9]）+/\1:/g

  这将涵盖数字后跟空格的情况
• 捕获组的定义是将正则表达式放在

  （）

  -从左到右，

  \1

  指第一个这样的组，

  \2

  指第二个这样的组，依此类推

使用

perl

，您可以避免使用捕获组

perl -pe 's/ +(?=\d)|\d\K +/:/g' ip.txt

+（？=\d）|\d\K+

仅当后跟数字或后跟数字时才匹配空格

对于

GNU awk

，有关语法和详细信息，请参阅

awk '{$0=gensub(/ +([0-9])/, ":\\1", "g", $0);
      print gensub(/([0-9]) +/, "\\1:", "g", $0)}' ip.txt 

---

您可以使用反向引用来包含您希望保留在gnu awk中的原始部分。使用gensub并向正则表达式添加反向引用，可以得到以下结果

gawk '{ print gensub(/(([a-zA-Z]) +([0-9]))|(([0-9]) +([a-zA-Z]))|(([0-9]) +([0-9]))/, "\\2\\5\\8:\\3\\6\\9", "g"); }' file

---

请参见

您可以使用反向引用来包括您希望保留在gnu awk中的原始部分。使用gensub并向正则表达式添加反向引用，可以得到以下结果

gawk '{ print gensub(/(([a-zA-Z]) +([0-9]))|(([0-9]) +([a-zA-Z]))|(([0-9]) +([0-9]))/, "\\2\\5\\8:\\3\\6\\9", "g"); }' file

---

请参见

谢谢Inian，忘了提及使用gensub需要gnu awk，wil modifytriple-back-slash是一个打字错误或您系统上的一些奇怪要求？我的错误。在没有

标记的情况下键入，第一个双反斜杠显示为一个。谢谢顺便说一句，我很喜欢你的解决方案。谢谢伊尼安，忘了提到使用gensub需要gnu awk，wil modifytriple back slash是一个打字错误，或者你的系统上有一些奇怪的要求？我错了。在没有
标记的情况下键入，第一个双反斜杠显示为一个。谢谢顺便说一下，我很喜欢你的解决方案。awk'{print gensub（/（[a-zA-Z]）（[a-zA-Z]）/，“\\1~\\3”，“g”，“$0”）cou.data | sed-r's/+/：/g；s/~//g'你觉得这个方法怎么样？我认为除了作为学习尝试之外，这个方法没有任何好处。。。你能解释一下你为什么要那样做吗？如果输入包含
~
，并且awk代码可以用sed完成，那么为什么要用awk+sed呢？是的，你是对的。只是练习使用gensub。sed可以做得很好。Thanksawk'{print gensub（/（[a-zA-Z]）（[a-zA-Z]）/，“\\1~\\3”，“g”，“$0”）cou.data | sed-r's/+/：/g；s/~//g'你觉得这个方法怎么样？我认为除了作为学习尝试之外，这个方法没有任何好处。。。你能解释一下你为什么要那样做吗？如果输入包含
~
，并且awk代码可以用sed完成，那么为什么要用awk+sed呢？是的，你是对的。只是练习使用gensub。sed可以做得很好。谢谢你的感谢谢谢你的感谢