如何从文件内容中删除交替空格答案

【问题标题】：How to remove alternating whitespaces from file content如何从文件内容中删除交替空格
【发布时间】：2022-01-26 15:00:16
【问题描述】：

我正在查找一个文件，该文件中偶尔会出现包含交替空格的单词。

例如： h e l l o this is an e x a m p l e

我希望它变成： hello this is an example

我愿意使用任何命令行工具来解决这个问题。我会冒单个字符单词被压扁的风险（因为它们很少出现在我的文件中）。

E. g.：h e l l o this is a r i s k I would take.变成hello this is ariskI would take.

到目前为止，我尝试的是这样，但我想我需要向前看：

sed "s/\([[:alnum:]]\) \([[:alnum:]]\)/\1\2/g" mytextfile.txt

这只会给我： he ll othisisane xa mp le

我只找到有关如何修剪字符串或删除字符串中所有空格的主题。

【问题讨论】：

h e l l o this is an e x a m p le 几乎是不可能的，除非你将期望降低到hello this is an examp le
@MonkeyZeus 感谢您指出这一点，同时约翰为我纠正了这个错字。

标签： bash shell grep

【解决方案1】：

这样的事情会起作用：

(?:(?<=^)|(?<= ))([^ ]) (?=[^ ] )

https://regex101.com/r/yLccGg/1

【讨论】：

没有强制性的 POSIX 命令行工具可以按照您可能想要的方式理解正则表达式。

【解决方案2】：

使用 node.js 的示例：

$ node -e "fs=require('fs'),fn='input.txt';fs.writeFileSync(fn,fs.readFileSync(fn,{encoding:'utf8'}).replace(/(?<=\b[a-z]) (?![A-Z]|\w\w\w)/g, ''));"

如果空格跟在小写字母后面，并且后面没有大写字母或三个连续的单词字符，则替换空格。

【讨论】：

【解决方案3】：

将 GNU awk 用于 patsplit() 和 gensub()：

awk '{
    numFlds = patsplit($0,flds,/\<([^ ] )+[^ ]\>/,seps)
    out = seps[0]
    for ( i=1; i<=numFlds; i++ ) {
        out = out gensub(/([^ ]) /,"\\1","g",flds[i]) seps[i]
    }
    print out
}' file
hello this is an examp le

或者，仍然使用 GNU awk，但现在将第三个参数用于 match() 和 gensub()：

$ awk '{
    while ( match($0,/\<(([^ ] )+[^ ]\>)(.*)/,a) ) {
        $0 = substr($0,1,RSTART-1) gensub(/([^ ]) /,"\\1","g",a[1]) a[3]
    }
    print
}' file
hello this is an examp le

您必须提供一个算法来解释为什么应该将le 连接到examp 的末尾才能发生这种情况。

【讨论】：

我认为您缺少) 的gensub。
对不起，我的错...

【解决方案4】：

我在您的e x a m p le 的最后一个e 之前插入了一个空格。
首先你想知道完整的单词。

echo "h e l l o this is an e x a m p l e"| sed -r 's/\w\w+/=&=/g'

结果

h e l l o =this= =is= =an= e x a m p l e

现在可以循环删除所有孤立的字符。

echo "h e l l o this is an e x a m p l e"| 
  sed -r 's/\w\w+/=&=/g;:a;s/( )([^ ])( |$)/\2\3/;ta'

结果

hello =this= =is= =an=example

接下来用空格替换等号并去掉双空格

echo "h e l l o this is an e x a m p l e"| 
  sed -r 's/\w\w+/=&=/g;:a;s/( )([^ ])( |$)/\2\3/;ta;s/=/ /g;s/[ ][ ]+/ /g'

等号可以是字符串的一部分。当您使用\r 时，中间结果不会显示清晰的输出字符串，但对于没有\r 的文本会更好。而当你认为一个孤立的I 应该被视为作品时，解决方案是

echo "h e l l o this is an e x a m p l e that I l i k e"|
  sed -r 's/( I |\w\w+)/\r&\r/g;:a;s/( )([^ ])( |$)/\2\3/;ta; s/\r/ /g;s/[ ][ ]+/ /g'

结果：

hello this is an example that I like

使用awk 会更简单：

echo "h e l l o this is an e x a m p l e that I l i k e"|
  awk '
    BEGIN { RS="[ \n]"; FS="" }
    NF==1 { printf("%s",$0); sep=" " }
    $0=="I" { printf(" ")}
    NF>1 { printf("%s%s ", sep, $0); sep =""}
    END {print ""}
  '

所有“单词”都移动到不同的行，当行长变为 1 时，您不需要空格。隔离I 的特殊规则。 sep 用于避免两个多字母单词之间的两个空格，例如this is。
结果：

hello this is an example that I like

【讨论】：