每行拆分多个字段，使用sed分隔行，保留行前缀

上周五我遇到了一个问题，将文本转换为另一种格式。在那台机器上，只有gnu sed可用，没有awk（奇怪，我知道）。我对perl一无所知。因此，我正在寻找一个sed唯一的解决方案

文件内容为：

a  yao.com sina.com
b  kongu.com
c  polm.com unee.net 21cn.com iop.com foo.com bar.com baz.net happy2all.com
d  kinge.net

所需输出（应为新文件）为：

我尝试了很多，也搜索了著名的sed oneliner，但我做不到。。。有人能帮我吗

cat inputFile.txt | sed -e 's/\([^\ ]*\)\(\ *\)\([^\ ]*\)\(\ *\)\([^\ ]*\)\(\ *\)\([^\ ]*\)\(\ *\)\([^\ ]*\)\(\ *\)/\1 \3\n\1 \5\n\1 \7\n\1 \9/' | grep -vE "^..$"

适用于我的Ubuntu 12.10

说明：

• 将其分为两组：带文本的组和带空字符的组
• 重复组1（带第一个字符）和偶数组（带文本）
• 目前适用于由空字符分隔的4个文本

最后，删除包含空“第二”组的行

再次尝试使用BASH（以“script.sh inputFile.txt”的形式执行）：

有趣的问题：

$sed-r/（\w+\.\w+/>&/2g；：a s/^（[a-z]+）（.*）>/\1\2\n\1/g；ta'文件
a姚网
新浪网
b kongu.com
c polm.com
c.unee.net
c21cn.com
c iop.com
c foo.com
c.bar.com
c baz.net
c happy2all.com
d kinge.net

编辑：

它通过使用两个替换来工作

第一个将

>

放在需要展平的URL之前作为保留字符：

$sed-r的/（\w+\.\w+/>和/2g”文件
a姚网>新浪网
b kongu.com
c polm.com>unese.net>21cn.com>iop.com>foo.com>bar.com。。。
d kinge.net

第二个基本上用换行符替换了holding

（使用条件分支）：

$sed-r'：a s/^（[a-z]+）（.*）>/\1\2\n\1/g；ta'

您可以使用

sed -r -n 's/^([a-z])\ \ ([0-9a-z.]*)\ ([0-9a-z .]*)/\1  \2\n\1  \3/p'

它将转换表单的每一行

c  polm.com unee.net 21cn.com iop.com foo.com bar.com baz.net happy2all.com

进入

每次它运行时

因此，下次在上一个sed的输出上运行时，它将成为

c  polm.com
c  unee.net
c  21cn.com iop.com foo.com bar.com baz.net happy2all.com

等等

因此，将前一个sed的输出推送到新的sed中，最终会得到所需的格式

---

我知道这可能不是最佳答案，如果可能的话，我会尝试改进它。

对于sed来说，这不是一件容易的工作，尤其是一行程序。然而你提到“gnu sed”。我看到了光明

gnu sed支持

s/../…/ge

，这在这种情况下非常有用：

kent$  sed -r 's@(^[a-z]+) (.*)@echo "\2"\|sed "s# #\\n\1  #g"\|sed "/^$/d"@ge' file  
a  yao.com
a  sina.com
b  kongu.com
c  polm.com
c  unee.net
c  21cn.com
c  iop.com
c  foo.com
c  bar.com
c  baz.net
c  happy2all.com
d  kinge.net

简要说明：

外部sed是

sed-r's@..x..@..y..@ge'文件

ge允许我们将匹配的零件传递给外部命令

.y..

部分由

ge

的魔力完成。我将

\2

传递给另一个

sed

（通过

echo

）：

sed“s###\\n\1#g”

此sed将所有空格替换为

\n+\1+空格

在原始文件中，每行（结束）上都有

\n

，因此步骤2（上述步骤）的结果中有空行，我们需要删除这些空行

“/^$/d”

最后，可以进行步骤1中的替换（外部sed），我们得到了结果

检查

info sed

中的

s/../ge

---

编辑，添加了OP评论中的双空格。

正如其他人所指出的，sed解决方案很棘手，所以我想我发布了一个bash dito：

#!/bin/bash

while read -a array
do
    for i in ${array[@]:1}
    do
        echo ${array[0]} $i
    done
done < input

---

下面是一个真正的sed-only脚本。我在下面编写了一个由sed在命令行上调用的文件，但它可以全部在命令行上键入，也可以全部输入到单独的脚本中：

将以下内容另存为sedscript（或任何您想称之为sedscript的内容）。在输出之后进行解释

:start
    h
    s/\(.\ \ [^ ]*\).*/\1/
    t continue
    d
:continue
    p
    x
    s/\(.\ \)\ [^ ]*\(\ .*\)/\1\2/
    t start
    d

现在运行sed-f sedscript myfile.txt

上面的示例保存为myfile.txt，输出如下：

a  yao.com
a  sina.com
b  kongu.com
c  polm.com
c  unee.net
c  21cn.com
c  iop.com
c  foo.com
c  bar.com
c  baz.net
c  happy2all.com
d  kinge.net

Sed有一个模式缓冲区（通常使用

s/a/b/

类命令）和一个保持缓冲区。在这个脚本中，信息被来回交换到保持缓冲区，以在处理另一部分时保留行的未编辑部分

：开始

=启用跳转的标签

h

=将模式缓冲区（当前行）交换到保持缓冲区

s/\（.\\[^]*\）./\1/

=当保留缓冲区中的完整行是安全的时，去掉第一个域后的所有内容，留下第一个所需行（例如“a yao.com”）

t continue

=如果上一个命令导致替换，请跳转到“continue”标签

d

=如果我们不跳，那就意味着我们完了。删除模式缓冲区并继续文件的下一行

：继续

=上一次跳转的标签

p

=打印出模式缓冲区（例如“a yao.com”）

x

=将模式缓冲区与保持缓冲区交换（也可以使用

g

简单地将保持缓冲区复制到模式缓冲区上）

s/\（.\\）\[^]*\（\.*\）/\1\2/

=完整的原始字符串现在已交换到模式缓冲区中-剥离我们刚刚处理的域（例如“yao.com”）

t start

=如果这不是最后一个域，请使用新的缩短字符串重新启动脚本

d

=如果这是最后一个域，请删除模式缓冲区并继续文件中的下一行。

这可能适用于您（GNU-sed）：

这里有一个单行程序（对于“一”的某些定义）可以实现这一点。它应该可以在任何sed上运行，但我只使用gnused对它进行了测试

sed ':l;s/\(^\|\n\)\([^ \n]\)  \([^ \n][^ \n]*\) /\1\2  \3\ 
\2  /;t l'

这是

\3\

后面的文字换行符

说明：

通过使用反斜杠转义文字换行符，可以在替换中包含文字换行符

：l

制作了一个名为

l

的标签

如果进行了替换，

tl

循环到标签

l

s

命令对最初包含输入行的模式空间缓冲区进行操作。在执行

s

命令之后，模式空间缓冲区包含替换的结果，包括换行符。通过循环的第二次和后续时间，a yao.com a sina.com b kongu.com c polm.com c unee.net c 21cn.com c iop.com c foo.com c bar.com c baz.net c happy2all.com d kinge.net

:start
    h
    s/\(.\ \ [^ ]*\).*/\1/
    t continue
    d
:continue
    p
    x
    s/\(.\ \)\ [^ ]*\(\ .*\)/\1\2/
    t start
    d

a  yao.com
a  sina.com
b  kongu.com
c  polm.com
c  unee.net
c  21cn.com
c  iop.com
c  foo.com
c  bar.com
c  baz.net
c  happy2all.com
d  kinge.net

sed -r 's/^((\S+\s+)\S+)\s+/\1\n\2/;P;D' file

sed ':l;s/\(^\|\n\)\([^ \n]\)  \([^ \n][^ \n]*\) /\1\2  \3\ 
\2  /;t l'