使用AWK或SED等将文本文件分解为有组织的列表

Question

将文本文件拆分为有组织的可读文件的最佳方法是什么？

删除所有不包含字符串JUNIOR或SENIOR的行后，我正在使用的文本文件采用以下格式：

<tr><td><a href="campers_SENIOR/head_unit">head_unit_1</a></td></tr>
<tr><td><a href="campers_JUNIOR/head_unit">head_unit_2</a></td></tr>
<tr><td><a href="campers_SENIOR/secondary_unit">secondary_unit_1</a></td></tr>
<tr><td><a href="campers_JUNIOR/secondary_unit">secondary_unit_2</a></td></tr>

我希望输出为：

Unit Type: SENIOR
Unit Tier: head_unit
File Name: head_unit_1

Unit Type: SENIOR
Unit Tier: secondary_unit
File Name: secondary_unit_1

Unit Type: JUNIOR
Unit Tier: head_unit
File Name: head_unit_2

Unit Type: JUNIOR
Unit Tier: secondary_unit
File Name: secondary_unit_2

我一直在尝试使用SED和AWK的混合物来实现这一目标。 我的问题是我不确定如何将其分为JUNIOR和SENIOR部分，以便更好地了解文件名和单位层。 请尝试坚持使用SED和AWK解决方案，因为这些解决方案将是最有意义的，而且不会涉及太多。

Answer 1

如果您的输入格式相对正确*，则将字段分隔符设置为[/"<> ]+将会提取您需要的信息：

$ awk -F'[/"<> ]+' '{sub("campers_", "", $6); print $6, $7, $8}' file
SENIOR head_unit head_unit_1
JUNIOR head_unit head_unit_2
SENIOR secondary_unit secondary_unit_1
JUNIOR secondary_unit secondary_unit_2

从那里开始，根据需要形成每个记录很简单。

---

*如果实际输入的格式不如摘录中的格式，则需要使用适当的HTML解析器。