Início / unix / Perguntas / 723659
Accepted
Ray Andrews
Asked: 2022-11-05 06:15:31 +0800 CST

Substitua qualquer coisa até uma palavra, não um caractere, usando 'sed'

  • 772

Eu sei usar sedcom a [^xxxx]sintaxe para excluir caracteres, mas como faço para excluir uma palavra? Por exemplo minha variável:

var="
Now is the time
for all good men 
to come 
to the aid  
of the party"

Agora:

echo $var | sed ...

... e quero terminar com:

REPLACED time
for all good men 
to come 
REPLACED aid  
REPLACED party

... isso deve ser simples, mas não consigo descobrir como fazê-lo.

echo $var | sed -r 's/^[^the]*the/REPLACED/'

... é quase parecido, mas t h esão correspondidos como caracteres individuais, não como a palavra the.

Se houver soluções em que eu possa substituir tudo até a primeira de várias ocorrências, ou mesmo até uma ocorrência específica, seria ainda melhor.

text-processing

3 respostas

  1. Você pode conseguir isso da seguinte maneira, supondo que haja no máximo uma instância de thena linha :

     sed -E 's/.*\Wthe(\W.*)/REPLACED\1/'

    Isso substituirá tudo até a última ocorrência (lembre-se, RegExes são gananciosos) pelo theseu texto de substituição.

    • Ele faz isso armazenando tudo após a última ocorrência the, entre caracteres que não são palavras (para evitar correspondências parciais de palavras, como theoretical), incluindo o caractere que não é palavra que termina com the, em um grupo de captura ( ... ).
    • Em seguida, ele substituirá a linha pelo texto de substituição, seguido pelo conteúdo do grupo de captura (que é referido como \1porque é o primeiro grupo desse tipo no padrão de pesquisa). Esse método um tanto complicado é necessário para que o caractere que termina o thetambém seja transferido para o texto de substituição.

    Se quiser substituir tudo até à primeira ocorrência, poderá ter de recorrer a awk:

    awk '(i=match($0,/\Wthe\W/)){print "REPLACED" substr($0,i+4);next} 1'

    Isso verificará se a string the, cercada por caracteres que não são palavras, ocorre na linha e armazenará a posição em uma variável i.

    • Se ifor diferente de zero, imprimirá o texto de substituição e a substring da linha de entrada atual começando após a ocorrência de the, mas, caso contrário, pulará a execução para a próxima linha.
    • Se ifor zero, ele simplesmente imprime a linha atual como está.
    • 5
  2. Best Answer

    s/.*the/REPLACED/substitui tudo até a ocorrência mais à direita de theporque .*é ganancioso e deseja corresponder o máximo possível.

    .*é 0 ou mais ( *) caracteres ( .) o máximo possível e engolirá alegremente todas as ocorrências de thenão incluir o último que precisa ser correspondido pela theparte seguinte do regexp.

    Quase 30 anos atrás, perl5 introduziu uma variante de *: *?, que também corresponde a 0 ou mais da coisa anterior, mas o mínimo possível :

    printf '%s\n' "$var" | perl -pe 's/.*?the/REPLACED/'

    Poucos seds adicionaram suporte para esses novos perloperadores. Conheço apenas duas implementações ( ssedwith -R, e ast-open's with -E/ -A/ -X/ -P). Em outros seds, ?corresponde a um literal ?ou com -E/ -r, *?é um erro ou é o mesmo que *é entendido como o *operador (0 ou mais) combinado com ?(0 ou 1).

    Com sedimplementações que não suportam *?, quando a coisa a substituir é um único caractere como x, você costuma s/[^x]*x/REPLACE/dizer 0 ou mais ( *) caracteres diferentes de x( [^x]), tantos quanto possível, e porque excluímos x, que serão armazenados antes do primeiro xocorrência.

    Você não pode usar isso para strings de mais de um caractere, pois não pode dizer 0 ou mais caracteres o máximo possível, desde que isso não inclua "the" . Então você precisa de uma abordagem diferente.

    s/the/REPLACEMENT/substitui a primeira ocorrência de the, portanto, a abordagem comum no padrão sedpara substituir tudo até a primeira ocorrência de uma sequência de caracteres é substituí-la por uma nova linha (esse caractere é garantido para não ocorrer no espaço do padrão caso contrário) e, em seguida, substitua tudo até essa nova linha:

    sed 's/the/\
/;s/.*\n//'
    • 4

  3. Caso você precise substituir tudo pelo primeiro, thevocê pode precisar de quantificadores não gananciosos, e eles não são reconhecidos nem pela Expressão Regular Básica nem pela Expressão Regular Estendida.

    Nesse caso, se sednão for obrigatório para você, você pode usar perl:

    perl -pe 's/.*?\Wthe/REPLACED/'

    E se precisar substituir até na ocorrência (substitua npelo seu número de ocorrência):

    perl -pe 's/(.*?\Wthe){1,n}/REPLACED/'
    • 2

relate perguntas