Question

我必须处理各种格式的文本文件。以下是一个示例（列 A 和 B 是制表符分隔符）：

A   B
a   Name1=Val1, Name2=Val2, Name3=Val3
b   Name1=Val4, Name3=Val5
c   Name1=Val6, Name2=Val7, Name3=Val8

文件可以包含或不具有标题，具有混合分隔方案，具有如上所述的具有名称/值对的列等我经常需要以各种方式从这些文件中提取数据。例如，根据上面的数据，我可能想要与Name2相关联的值。即。

A   B
a   Val2
c   Val7

有哪些工具/技术用于执行这样的操作作为一个行命令，使用上面的示例但可扩展到其他情况？

Answer 1

您拥有所有基本的bash shell命令，例如grep，cut，sed和awk。您还可以使用Perl或Ruby来处理更复杂的事情。

Answer 2

我不喜欢sed太多，但它适用于这样的事情：

var="Name2";sed -n "1p;s/\([^ ]*\) .*$var=\([^ ,]*\).*/\1 \2/p" < filename

给你：

 A B
 a Val2
 c Val7

Answer 3

从我所看到的，我开始使用Awk来做这类事情然后如果你需要更复杂的东西，我就会进步到Python。

Answer 4

我会用sed：

   # print section of file between two regular expressions (inclusive)
   sed -n '/Iowa/,/Montana/p'             # case sensitive

Answer 5

因为你有cygwin，我会选择Perl。这是最容易学习的（查看O'Reily书：Learning Perl）并广泛适用。

Answer 6

我会使用Perl。编写一个小模块（或多个模块）来处理不同的格式。然后，您可以使用该库运行perl oneliners。它的例子如下所示：

perl -e 'use Parser;' -e 'parser("in.input").get("Name2");'

不要引用我的语法，但这是一般的想法。摘要手头的任务，让您根据自己的需要进行思考，而不是根据自己的需要进行思考。 Ruby将是另一种选择，它往往具有更清晰的语法，但任何一种语言都可以使用。