Question

我正在为一个类的项目工作，我们在这里有一个文件，里面有很多行描述如下所示的类

CSC 1010 - 计算机＆amp;应用
计算机和应用。先修课程：高中代数II。计算机的历史，＆gt;硬件组件，操作系统，应用软件，数据通信 3.000学分

并将其转换为

CSC1010，COMPUTERS＆amp;申请，3

我用过：

sed -n 's/^CSC /CSC/p' courses.txt > practice.txt

输出：

CSC1010 - 计算机＆amp;应用
  CSC1310 - INTRO COMP PROGRAMMING ON-MAJ
  CSC2010 - 计算机科学入门   CSC2310 - 计算机程序设计的原则
  CSC2320 - 网站开发基金
  CSC2510 - COMP SCI的理论基础   CSC3010 - 计算历史
  CSC3210 - 计算机ORG＆amp;编程
  CSC3320 - 系统级编程
  CSC3330 - C ++编程
  CSC3410 - 数据结构-CTW
  CSC4110 - 嵌入式系统
  CSC4120 - 机器人介绍

我也用过：

sed '/\.000 Course hours//p' courses.txt > courses10.txt

输出：

3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4

我的问题是尝试选择sed，awk或perl是否会更好。所以，到目前为止，我已经使用sed来消除那些不是由课程名称或学分小时数组成的行。如上所述。我希望使用正则表达式对文件进行排序，并获得以“CSC”开头或包含“.000课程时间”的每一行。我想在得到输出后我可以在sed中使用一个命令从CSC开始的行末尾删除新行，并用逗号替换它。之后我会用逗号替换反斜杠。但是，要做到这一点，我想我需要使用扩展表达式，所以sed可能会出来。我正在考虑使用的正则表达式是(^CSC |[0-9]\.000)。那么，我应该在sed，awk还是perl中这样做。如果您可以请说明为什么使用您建议的任何方法更有效率的原因。

Answer 1

Perl：

while (<>) {
  chomp;
  print if s/^CSC\s+/CSC/ and s/\s+-\s+/,/;
  printf ",%.0f\n", $1 if /^([\d.]+)\s+Credit hours/;
}

Answer 2

我选择awk，因为您希望匹配并重新格式化行，awk非常适合：

/CSC/ {                 # Lines that match CSC
    split($0,a,"- ")    # Split the line around the hyphen and following space
    gsub(/ /,"",a[1])   # Remove the spaces from the first part of the split
    printf a[1]","a[2]  # Print the line in required format
}
/Credit hours/ {        # Lines that match Credit hours
    printf ",%i\n",$1   # Print the integer value of credit hours  
}

演示：

awk '/CSC/{split($0,a,"- ");gsub(/ /,"",a[1]);printf a[1]","a[2]}/Credit hours/{printf ",%i\n",$1}' file
CSC1010,COMPUTERS & APPLICATIONS,3

我更喜欢awk到Perl，这对此没有任何优势（或劣势）。使用sed将是一个regexp hack，因此我远离sed解决方案。

我应该使用sed，awk，perl来改变跨越多行的文本并仅选择所需的信息吗？

2 个答案: