Question

我有一个包含这样的行的文件

some thing <phrase>a phrase</phrase> some thing else <phrase>other stuff</phrase>

我需要用下划线替换<phrase>标记之间的所有空格。因此，基本上我需要用下划线替换介于>和</之间的所有空格。我已经在sed，awk和perl中尝试了许多不同的命令，但是还无法使任何东西正常工作。以下是我尝试过的一些命令。

sed 's@>\s+[</]@_@g'

perl -pe 'sub c{$s=shift;$s=~s/ /_/g;$s}s/>.*?[<\/]/c$&/ge'

sed 's@$\[>^[<\/]]*$\s+@\1_@g'

awk -v RS='\\[>^[<\]/]*\\]' '{ gsub(/\<(\s+)\>/, "_", RT); printf "%s%s", $0, RT }' infile

我一直在研究这两个问题，试图修改答案以使用所需的字符。
sed substitute whitespace for dash only between specific character patterns

https://unix.stackexchange.com/questions/63335/how-to-remove-all-white-spaces-just-between-brackets-using-unix-tools

有人可以帮忙吗？

Answer 1

不要使用正则表达式来解析XML / HTML。

use warnings;
use 5.014;  # for /r modifier
use Mojo::DOM;

my $text = <<'ENDTEXT';
some thing <phrase>a phrase</phrase> some thing else <phrase>other stuff</phrase>
ENDTEXT

my $dom = Mojo::DOM->new($text);
$dom->find('phrase')->each(sub { $_->content( $_->content=~tr/ /_/r ) });
print $dom;

输出：

some thing <phrase>a_phrase</phrase> some thing else <phrase>other_stuff</phrase>

更新： Mojolicious甚至包含一些糖，可以将代码粉碎成一个单行纸：

$ perl -Mojo -pe '($_=x($_))->find("phrase")->each(sub{$_->content($_->content=~tr/ /_/r)})' input.txt

Answer 2

我需要用下划线替换介于>和</之间的所有空格。

那实际上不会做你想要的，因为在

some thing <phrase>a phrase</phrase> some thing else <phrase>other stuff</phrase>
                  ^^^^^^^^^^^      ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

“ >和</之间的子字符串覆盖的范围超出了您的想象（上面标记为^）。

我认为用Perl表达需求的最直接方法是

perl -pe 's{>[^<>]*</}{ $& =~ tr/ /_/r }eg'

此处[^<>]用于确保匹配的子字符串不能包含<或>（尤其是它不能匹配其他<phrase>标记）。

如果这太可读了，您也可以这样做

perl '-pes;>[^<>]*</;$&=~y> >_>r;eg'

Answer 3

这可能对您有用（GNU sed）：

sed -E 's/<phrase>|<\/phrase>/\n&/g;ta;:a;s/^([^\n]*(\n[^\n ]*\n[^\n]*)*\n[^\n]*) /\1_/;ta;s/\n//g' file

通过插入换行符来分隔标签。用下划线迭代替换成对的换行之间的空格。如果没有其他匹配项，请删除引入的换行符。

Answer 4

另一个Perl，在<phrase>标签之间替换

$ export a="some thing <phrase>a phrase</phrase> some thing else <phrase>other stuff</phrase>"

$ echo $a | perl -lne ' s/(?<=<phrase>)(.+?)(?=<\/phrase>)/$x=$1;$x=~s{ }{_}g;sprintf("%s",$x)/ge ;  print '
some thing <phrase>a_phrase</phrase> some thing else <phrase>other_stuff</phrase>

$

编辑

感谢@haukex，进一步缩短

$ echo $a | perl -lne ' s/(?<=<phrase>)(.+?)(?=<\/phrase>)/$x=$1;$x=~s{ }{_}g;$x/ge ;  print '
some thing <phrase>a_phrase</phrase> some thing else <phrase>other_stuff</phrase>

$

Answer 5

使用GNU awk进行多字符RS和RT：

$ awk -v RS='</?phrase>' '!(NR%2){gsub(/\s+/,"_")} {ORS=RT}1' file
some thing <phrase>a_phrase</phrase> some thing else <phrase>other_stuff</phrase>

Answer 6

如果您是gnu sed在“ d”中的数据；

sed -E ':b s/<(\w+)>([^<]*)\s([^<]*)(<\/\1)/<\1>\2_\3\4/;tb' d

sed用2个字符串之间的下划线替换空格

6 个答案: