Regex 使用sed或awk分割数据

我有很多数据要在CSV中拆分。我的源数据具有以下格式：

* USER 'field1' 'mail1@domain.com' 'field3'
* USER 'field1' 'mail2@domain.com' 'field3'
* USER 'field1' 'mail3@domain.com' 'field3'

以下是我试图获得的输出：

field1;mail1@domain.com;field3
field1;mail2@domain.com;field3
field1;mail3@domain.com;field3

规则：

*行开头的用户

必须明显剥去

field1

和

field3

可以是电子邮件地址，也可以包含

”

字段1

可以为空

'

第二个字段始终是电子邮件地址

每个字段的开头和结尾都有

”

我的想法是剥离

*USER

（

sed-e的/^*USER/'

可能是一个起点），然后在“中心”字段中“查找”邮件，然后将左侧和右侧分为两个变量。最后一件事应该是去掉vars上的开头和结尾

“

。 不幸的是，我没有这个级别的sed或awk知识。关于如何实现这一点有什么想法吗

---

这里有一个例子

* USER '' 'alberto.cordini@generaligroup.com' 'CORDINI ALBERTO'
* USER 'moglie delmonte daniele' 'anna.borghi@rpos.com' 'Anna Borghi'
* USER '' 'annamaria.cravero@generaligroup.com' 'CRAVERO ANNA MARIA'
* USER '' 'patrizia.dagostino@generaligroup.com' 'D'AGOSTINO PATRIZIA'
* USER '' 'piero.depra@generaligroup.com' 'DE PRA' PIERO'
* USER '' 'viviana.dingeo@generaligroup.com' 'D'INGEO VIVIANA'

---

更新：您可以将此awk用于提供的输入：

awk -F " '" '{gsub(/^ +| +$/, "", $3);
              s=sprintf("%s;%s;%s;", $2,$3,$4); gsub(/'"'"';/, ";", s); print s}' file
;alberto.cordini@generaligroup.com;CORDINI ALBERTO;
moglie delmonte daniele;anna.borghi@rpos.com;Anna Borghi;
;annamaria.cravero@generaligroup.com;CRAVERO ANNA MARIA;
;patrizia.dagostino@generaligroup.com;D'AGOSTINO PATRIZIA;
;piero.depra@generaligroup.com;DE PRA' PIERO;
;viviana.dingeo@generaligroup.com;D'INGEO VIVIANA;

简单地说：

$ awk '{print $2,$4,$6}' FS="'" OFS=";" file 
field1;mail1@domain.com;field3
field1;mail2@domain.com;field3
field1;mail3@domain.com;field3

---

你可以使用sed和awk，这很管用，但像你一样，我不经常使用它们来记忆（我发现它们很笨重）。如果您需要一个可以放入脚本中随时运行的解决方案，那么Ruby解决方案如何？我使用正则表达式，但您不必：

sample-data.txt

* USER 'field1' 'mail1@domain.com' 'field3'
* USER 'field1' 'mail2@domain.com' 'field3'
* USER 'field1' 'mail3@domain.com' 'field3'

parse.rb

#!/usr/bin/env ruby

$stdin.each_line do |e|
    matches = e.match /\*\ USER\ '([\w]*)'\ '([\w\@\.]*)'\ '([\w]*)'/
    if matches != nil
        puts "#{matches[1]};#{matches[2]};#{matches[3]}"
    end
end

从终端/命令行：

cat sample-data.txt | ruby parse.rb

p、 对我来说，如果这是一次性的问题，我会在Windows中使用记事本+。我会打开文件，然后录制一个宏，然后将宏播放到文件末尾，完成

 sed "s/²/²S/g;s/\\'/²q/g;s/\*[[:blank:]]USER[[:blank:]]\{1,\}'\([^']*\)'[[:blank:]]*'\([^']*\)'[[:blank:]]*'\(.*\)'[[:blank:]]*$/\1;\2;\3/;s/²q/\\'/g;s/²S/²/g" YourFile.csv

---

假设在一个

sed

示例中，没有内部带有

“

的字段1是/不是转义的，这取决于引号分隔的字段之间存在单个空格这一事实。如果情况并非如此，则需要修改以使其更加“灵活”

为了避免shell引用转义（这是一种丑陋的体验），我会将一行代码放入一个文件中-r使用扩展的regexp（避免引用

（）

s）。字段1和字段3中的单引号由regexp greediness保留（吃所有东西，包括引号，直到最后一个引号：）

s、 sed：

s/\* USER '(.*)' '([^']*)' '(.*)'/\1;\2;\3/

---

如果你能够添加一个小样本，包含你添加到帖子中的案例/规则，肯定会更容易提供帮助。我在下面发布了一个示例，为什么使用

'

而不是

“

来包围可能包含

'

的名称？…这是在自找麻烦。好吧，这只需稍作改动即可。

FS=“\047”“

。有些系统不接受这一点。至少我的solaris boxI喜欢使用开头和结尾撇号作为FS。直到用户O'Hara使用他的真名（谷歌xkcd Johnny Tables提供了一个警示性的故事）为止。仍然得到我的选票…它没有像预期的那样工作。看看下面的例子，你在答案中看到的

'D'INGEO VIVIANA'

应该是编辑的？它没有按预期工作。看下面的例子，我必须保存“字段内部（而不是外部）”哦，完美！还有一个问题：是否可以“修剪”电子邮件地址/$3？修剪的意思是修剪电子邮件字段中的空格？巧妙地使用

“'”

分隔符。没问题！只是想给你一个选择。

s/\* USER '(.*)' '([^']*)' '(.*)'/\1;\2;\3/