![](/img/trans.png)
[英]shell/bash: use sed/awk to get string between special characters
[英]bash, awk and or sed to clean up string with special formatting
在我正在处理的脚本中,我必须将字符串清理为所需的格式。
每个字符串的结构:(邮政编码,街道名称,号码,扩展名):
最终被
结果字符串应为4位数字,2个字母,数字,并在扩展名的情况下后跟x和扩展名的字母或数字
下面是一些示例:
我开始
echo "1019RXJavakade254" | awk '{print substr($0,0,6)}'
要获取邮政编码,然后我应该使用“打印匹配”,但是我无法从那里获取它。
这些字符串将分别传递并在脚本的下一步中使用。 最初它们来自csv文件,但是字符串来自的(组合)列始终是不同的。 脚本的第一部分是处理并创建此源字符串。 结果字符串将放回到一列中,我可以将其作为最后一列添加到原始csv文件中
我知道有关前6个字符后的数字以及是否存在扩展名的问题。 因此,我认为工作流程应类似于:前6个字符应为4位数字,2个字母,如果不是总结果为空。 跳过字符7和8,获取在字符8之后遇到的第一组数字,即数字,其后的所有其他内容均为扩展名。 该扩展名永远不会直接以数字开头。 仅在扩展名之间存在x。 该扩展名应去除其他字母数字字符。
这应该涵盖最多,其余的将延迟交货:)
@kvantour感谢您的回答。 我也稍微更改了代码以获取非大写字母。 结果是更大的applescript的一部分,该applescript在公司的Xserve上无人值守。 所以我现在使用的代码是
set KixCodeSourceClean to do shell script "echo " & KixCodeSource & " | awk '/^[0-9]{4}[a-zA-Z]{2}.+[0-9]+[- ].+$/{match(substr($0,8),/[0-9]+[- ].+$/);s=substr($0,7+RSTART,RLENGTH); sub(/[- ]/,\"x\",s);print substr($0,1,6)s;next} /^[0-9]{4}[a-zA-Z]{2}.+[0-9]+[a-zA-Z].*$/{match(substr($0,8),/[0-9]+[a-zA-Z].*$/);s=substr($0,7+RSTART,RLENGTH);match(s,/[0-9]+/);print substr($0,1,6)substr(s,1,RLENGTH)\"x\"substr(s,RLENGTH+1);next} /^[0-9]{4}[a-zA-Z]{2}.+[0-9]+$/{ match(substr($0,8),/[0-9]+$/);s=substr($0,7+RSTART);print substr($0,1,6)s;next}'"
它完美地工作并且是一个一体式,在这种情况下,我更喜欢。 我经常使用这种方法。 跳出Applescript并使用unix shell更快地解决问题。
提取邮政编码和扩展名的几项要求,因此将结果流水线传输到其他sed
此处。
$ str="1066EC1eLouwesweg6"
$ sed -r 's/(^[0-9]{4}[A-Z]{2})..[^0-9]*(.*)/\1\2/' <<< "$str" | sed 's/-/x/' | sed -r '/[^x]/ s/(.*[0-9]+)([A-Z]+$)/\1x\2/'
1066EC6
简要说明,
sed -r 's/(^[0-9]{4}[AZ]{2})..[^0-9]*(.*)/\\1\\2/' <<< "$str"
:首先过滤掉街道名称。 sed 's/-/x/'
:如果存在,将'-'替换为'x' sed -r '/[^x]/ s/(.*[0-9]+)([AZ]+$)/\\1x\\2/'
:如果到目前为止的结果不存在'x',在数字和字母之间添加“ x”。 我想到的想法是一种排除原则,我们在其中逐个测试一种可能性:
NNNNXXabc123efgMMM-SUF
和NNNNXXabc123efgMMM SUF
NNNNXXabc123efgMMMSUF
地址 NNNNXXabc123efgMMM
地址 但是,问题在于SUF
可以是任何东西,而abc123efg
可以是任何东西。 结果,示例“ 1066EC1eLouwesweg6”将与第二种情况匹配。
为了避免这种情况,我当时想看看街道名称的条件,但是在荷兰,这些可以是任何东西:
'
开头) 因此,街道名称的长度甚至没有限制,除非它是一个字符长,而是一个字母。
因此,这给了我以下AWK:
{gsub(/\r/,"",$0)} # removes `\r` if any
/^[0-9][0-9][0-9][0-9][A-Z][A-Z].+[0-9]+[- ].+$/{match(substr($0,8),/[0-9]+[- ].+$/);s=substr($0,7+RSTART,RLENGTH); sub(/[- ]/,"x",s);print substr($0,1,6)s;next}
/^[0-9][0-9][0-9][0-9][A-Z][A-Z].+[0-9]+[a-zA-Z].*$/{match(substr($0,8),/[0-9]+[a-zA-Z].*$/);s=substr($0,7+RSTART,RLENGTH);match(s,/[0-9]+/);print substr($0,1,6)substr(s,1,RLENGTH)"x"substr(s,RLENGTH+1);next}
/^[0-9][0-9][0-9][0-9][A-Z][A-Z].+[0-9]+$/{ match(substr($0,8),/[0-9]+$/);s=substr($0,7+RSTART);print substr($0,1,6)s;next}
并在此输入文件上:
1019RXJavakade254
1019PGBogortuin50
1079THEemsstraat34-II
1066EC1eLouwesweg6
1019LCKNSM-laan193
1019WZScheepstimmermanstraat74
2288EASirWinstonChurchillaan275-F126
1056HZMaartenHarpertszoonTrompstraat12-3hg
1092GRLaing'snekstraat15G
F-30700RueduLavoir1
它给了我以下输出:
1019RX254
1019PG50
1079TH34xII
1066EC6
1019LC193
1019WZ74
2288EA275xF126
1056HZ12x3hg
1092GR15xG
如您所见,最后一个不匹配!
但是,我无法向您保证这将100%有效。
有趣的事实:在奥托兰,您可以跨过10m的桥梁从A到B行驶 。
(使用GNU awk
将第三个arg match()
到match()
和gensub()
)将从您提供的输入中产生预期的输出:
$ cat tst.awk
match($1,/^([0-9]{4}[[:alpha:]]{2})(..[^0-9]+)(.*)/,a) {
if ( ! sub(/[^[:alnum:]]/,"x",a[3]) ) {
a[3] = gensub(/([0-9])([[:alpha:]])/,"\\1x\\2",1,a[3])
}
}
{
tgt = (1 in a ? a[1] a[3] : "nothing")
print tgt, (tgt == $NF ? "succ" : "fail")
}
$ awk -f tst.awk file
1019RX254 succ
1019PG50 succ
1079TH34xII succ
1066EC6 succ
1019LC193 succ
1019WZ74 succ
2288EA275xF126 succ
1056HZ12x3hg succ
1092GR15xG succ
nothing succ
如果数字可以出现在街道名称中的前两个字符以外的任何地方,则将失败。
上面的代码在此输入文件上运行,并根据结果是否与输入文件最后一个字段的预期结果相匹配,在每个结果之后输出succ / fail:
$ cat file
1019RXJavakade254 -result: 1019RX254
1019PGBogortuin50 -result: 1019PG50
1079THEemsstraat34-II -result: 1079TH34xII
1066EC1eLouwesweg6 -result: 1066EC6
1019LCKNSM-laan193 -result: 1019LC193
1019WZScheepstimmermanstraat74 -result: 1019WZ74
2288EASirWinstonChurchillaan275-F126 -result: 2288EA275xF126
1056HZMaartenHarpertszoonTrompstraat12-3hg -result: 1056HZ12x3hg
1092GRLaing'snekstraat15G -result: 1092GR15xG
F-30700RueduLavoir1 -result: nothing
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.