正则表达式在第一个之后删除逗号答案

【问题标题】：Regular expression to remove commas after the first正则表达式在第一个之后删除逗号
【发布时间】：2015-07-26 19:48:52
【问题描述】：

我有一个看起来像这样的文件：

16262|John, Doe|John|Doe|JD|etc...

我需要查找并替换案例为：

16262|John, Doe, Dae|John|Doe Dae|JD|etc...

通过

16262|John, Doe Dae|John|Doe Dae|JD|etc...

总而言之，我想在第二个字段中更改第一个字段之后的逗号（之后可能不止一个）。

有什么建议吗？

【问题讨论】：

你使用什么语言？
类似例子：Example of VB.NET - Question 12116586, JavaScript example
我尝试过这样的事情，但只找到第二个逗号，我想做同样的事情，但所有可能出现的情况：(\w, [A-Z]\w+,)
是linux，所以，bash，awk，sed，perl，欢迎提出建议。

标签： regex

【解决方案1】：

使用 gnu sed：

BRE 语法：

sed 's/\(\(^\||\)[^|,]*,\) \?\|, \?/\1 /g;'

ERE 语法：

sed -r 's/((^|\|)[^|,]*,) ?|, ?/\1 /g;'

详情：

(          # group 1: all the begining of an item until the first comma
    (      # group 2:
        ^  # start of the line
      |    # OR
        \| # delimiter
    )
    [^|,]* # start of the item until | or ,
    ,      # the first comma
)          # close the capture group 1
[ ]?       # optional space
|        # OR  
,          # an other comma
[ ]?

当第一个分支成功时，第一个逗号被捕获在组 1 中，所有开头的项目，因为替换字符串包含对捕获组 1 的引用 (\1)，所以第一个逗号保持不变。

当第二个分支成功时，组 1 未定义，替换字符串中的引用 \1 为空字符串。这就是删除其他逗号的原因。

【讨论】：

看起来很不错，谢谢。我如何在超过 230 万行的文本文件中高效地运行它？
@chango：sed 是一个流编辑器，因此，它可以处理任何大小的文件。但是，我建议您在使用大块之前进行一些测试，看看会发生什么。原地处理文件：sed -i.bak 's/...../g' file.txt（.bak是备份原文件的扩展名，确定后可以删除）
@chango：为我工作，将其粘贴到您的终端上：echo '8202|John, Doe, Antonio|Doe Antonio|John|' | sed -r 's/((^|\|)[^|,]*,) ?|, ?/\1 /g;'（最终将 -r 替换为 -E 或测试 BRE 版本）
太棒了，谢谢，osx 中的 sed 是 bsd 并且没有 -r。我在 linux 中尝试过，效果很好！

【解决方案2】：

这在很大程度上取决于语言。如果你有lookbehind，你可以使用正则表达式(?<=,.*),来做到这一点。如果你没有，例如在 JavaScript 中，如果你可以反转字符串，你可能仍然可以使用前瞻：

String.prototype.reverse = function () {
    return this.split("").reverse().join("");
};
"a, b, c, d".reverse().replace(/,(?=.*,)/g, '').reverse()
// yields "a, b c d"

我认为没有其他功能与正则表达式中的环视很相似，可以轻松模拟它们。可能您可以使用更强大的语言来捕获第一个逗号的索引，替换所有逗号，然后重新插入第一个逗号。

【讨论】：

感谢您的建议，我会检查，
您建议如何在一个非常大的文本文件中进行转换？超过 230 万行。