如何？ Bash 循环、sed 并将当前循环的文件名插入 sed 模式空间

Question

目标： 要遍历一个文本文件文件夹，请提取所有行尾、自动换行、带连字符的单词，并将它们整理成一个列表。

001.txt be-littled
001.txt dev-eloper
002.txt sand-wich
...

其目的是扫描列表并将有效的连字词与仅包含单词的单词区分开来（即，24 与 dev-eloper）。

我当前的 Bash/sed 脚本正确地捕获了大部分（足够）单词。我知道它需要一些调整（比如当连字符结束段落时）。

但现在，我无法将当前文件名放入模式空间。

for f in *.txt
  do
    sed -rn 'N;/PATTERN/!{D};s:PATTERN:\3-\5\n\7:;P;D' * > output.txt;
  done

..其中 PATTERN = (^.)(+)(.+)(-\n)(\S+)(+)(.$)

或

for f in *.txt; do sed -rn 'N;/(^.*)( +)(.+)(-\n)(\S+)( +)(.*$)/!{D};s:(^.*)( +)(.+)(-\n)(\S+)( +)(.*$):\3-\5\n\7:;P;D' * > output.txt;done

我尝试将 '"$f"' 放在 \3 之前，但这只是在所有行的最后一页前面（即，'250.txt be-littled'）。

我怀疑我的代码并没有完全按照我的想法做。 :-) 也许我不了解 sed 在 bash 中的循环顺序。

我使用的是 Ubuntu 12.10，几周前才开始学习 bash 和 sed。我愿意接受建议。

谢谢，

Answer 1

我不知道，如何使用 sed 获取当前文件名。如果你不介意使用 perl，试试这个 perl 脚本吧

use strict;
use warnings;

my $hyphen;

while (<>) {
    next if (m/^\s*$/);

    if ($hyphen) {
        m/^\s*(\w+)/;
        print "$1\n";
        $hyphen = 0;
    }

    if (m/(\w+-)\s*$/) {
        print "$ARGV $1";
        $hyphen = 1;
    }
}

此脚本将行的最后一个连字符部分与文件名一起打印并设置一个标志。在下一行中，它查找此标志并打印该行的第一个单词。它还会跳过空行。

你叫它

perl hyphen.pl file1.txt file2.txt ...

Answer 2

我不知道word-wrapped 是什么意思，但这可能有效：

grep -oH "[^ ]*-[^ ]*$" *.txt | sed 's/:/ /'

结尾的sed 调用只是为了使输出与您的输出相同——它将grep 添加的第一个: 替换为一个空格。

输出：

$ cat 001.txt 
be-littled
dev-eloper

$ cat 002.txt 
sand-wich

$ grep -oH "[^ ]*-[^ ]*$" *.txt | sed 's/:/ /'
001.txt be-littled
001.txt dev-eloper
002.txt sand-wich

注意：要改进grep 中使用的表达式以适应您的需求，首先需要了解您的需求——我真的没有从@987654328 那里得到这个想法@;

Answer 3

我不明白为什么您没有成功写入文件名。您写道，您在\3 之前尝试过'"$f"'，我认为这应该可行。但是我做了几乎相同的事情，但对整个 sed 命令使用双引号，所以我不必使用 '"..."' 构造。
在写入结果文件时，您还应该使用>> 而不是>，否则您会覆盖循环中每个新文件的结果文件。
这可能是一个错字，但你在 sed 行的末尾有 ... * > output.txt，我认为应该是 $f 而不是 *。

对sed命令使用双引号，! {D}中!后的空格，>> output.txt和$f在替换中写入文件名（也使用@作为替换分隔符以便能够使用<file>: 在结果中）：

for f in *.txt; do
  sed -rn "N;/(^.*)( +)(.+)(-\n)(\S+)( +)(.*$)/! {D};s@(^.*)( +)(.+)(-\n)(\S+)( +)(.*$)@$f: \3-\5\n\7@;P;D" $f >> output.txt
done

我还没有查看您的模式，但是当我测试它时，它似乎很有效。

我在两个小文件上进行了尝试，一个包含您问题中的换行词，另一个包含一些带有“虚拟词”的行。

[]$ cat tf1.txt
asdf asdf be-
littled asdf asdf
asfd dev-
eloper asdf sand-
wich asdf asdf.
[]$ cat tf2.txt
asfd abc-
de lsdk laskfjd
asdf asdf 1234-
56 sdl sdg
sdfg

输出：

[]$ ./tfwordwrap.sh
tf1.txt: be-littled
tf1.txt: dev-eloper
tf1.txt: sand-wich
tf2.txt: abc-de
tf2.txt: 1234-56