Regex 在特定索引处添加分隔符

我想在一些索引中为文件的每一行添加一个分隔符

我有一个包含以下数据的文件：

10100100010000
20200200020000

我知道每列的偏移量（2、5和9）

使用此sed命令：

sed的/\（.\{2\}\）/&；s/\（.\{6\}\）/&；s/\（.\{11\}\）/&/'myFile

我得到了预期的输出：

10,100,1000,10000 
20,200,2000,20000

但是如果有大量的列（~200）和行（300k），速度会非常慢

有没有一个有效的替代方案？

第一个解决方案：使用GNU

awk

您可以尝试以下方法吗：

awk -v OFS="," '{$1=$1}1' FIELDWIDTHS="2 3 4 5"  Input_file

第二种解决方案：使用

sed

尝试以下方法

sed 's/\(..\)\(...\)\(....\)\(.....\)/\1,\2,\3,\4/' Input_file

第三种解决方案：

awk

使用

substr

的解决方案

awk 'BEGIN{OFS=","} {print substr($0,1,2) OFS substr($0,3,3) OFS substr($0,6,4) OFS substr($0,10,5)}' Input_file

在上面的

substr

解决方案中，我在

substr（$0,10,5）

中提取了5个数字/字符，如果您想从第10位开始提取所有字符/数字等，请使用

substr（$0,10）

，它将在此处提取所有行的其余字符/数字进行打印

输出如下

10,100,1000,10000
20,200,2000,20000

---

修改sed命令使其一次添加所有分隔符可能会使其性能更好：

sed 's/^\(.\{2\}\)\(.\{3\}\)\(.\{4\}\)/\1,\2,\3,/' myFile

或使用扩展正则表达式：

sed -E 's/(.{2})(.{3})(.{4})/\1,\2,\3,/' myFile

输出：

10,100,1000,10000
20,200,2000,20000

---

如果从后面开始替换，可以使用数字标志

s

指定要在哪个字符中添加逗号：

$ sed 's/./&,/9;s/./&,/5;s/./&,/2' myFile
10,100,1000,10000
20,200,2000,20000

通过使用

printf

语句构建命令，可以进一步自动化该操作：

printf -v cmd 's/./&,/%d;' 9 5 2
sed "$cmd" myFile

或者甚至将其包装在一个小shell函数中，这样我们就不必关心按相反顺序列出列：

gencmd() {
    local arr
    # Sort arguments in descending order
    IFS=$'\n' arr=($(sort -nr <<< "$*"))
    printf 's/./&,/%d;' "${arr[@]}"
}

sed "$(gencmd 2 5 9)" myFile

gencmd（）{
本地arr
#按降序排列参数
IFS=$'\n'arr=（$（使用GNU awk对字段宽度进行排序-nr）

$ awk -v FIELDWIDTHS='2 3 4 *' -v OFS=',' '{$1=$1}1' file
10,100,1000,10000
20,200,2000,20000

你需要一个更新版本的gawk for
*
在FIELDWIDTHS的末尾，意思是“剩下什么”，而旧版本只需选择一个大的数字，如
999
最后我尝试了两个解决方案（都有效）RavinderSingh13的第一个解决方案需要约9秒，Aaron的扩展正则表达式解决方案需要约23秒，共有231列和308k。