嵌套条件搜索和就地替换

Question

我是个 awk 新手。我有一个看起来像这样的文件：

beans and celery  
beans and oatmeal  
beans and beans  
quinoa
<fo:external-graphic width="auto" height="auto" content-width="36pt" src="url(file:/C:/Users/xxx/images/tip.svg)"/>
<fo:external-graphic src="url(images/image1.png)" width="6.3in" height="auto" content-width="246px" content-height="322px"/>

我正在尝试执行搜索并就地替换“fo”标签。我想捕获标签的开头，以及“src”参数。请注意，src 标签的位置因行而异！

我已经能够使用以下方法获得我想要的字段：

awk '/<fo:external-graphic.*/ {for (i=1; i<=NF; ++i) {if ($i ~ "src") print $1 " " $i}}' inventory.txt

如何进行就地替换？ 我还想将一个字符串附加到该行的新内容。我试过了：

awk '/<fo:external-graphic.*/ {for (i=1; i<=NF; ++i) {if ($i ~ "src") print $1 " " $i "misc stuff here"}}' inventory.txt

但它完全打乱了结果字符串的顺序，我希望它的形式是：

<fo:external-graphic src="url(images/image1.png)" misc stuff here

PS1： 进一步澄清我想要什么结果： 该文件包含如下字符串：

<fo:external-graphic width="auto" height="auto" content-width="36pt" src="url(file:/C:/Users/xxx/images/tip.svg)"/>
<fo:external-graphic src="url(images/image1.png)" width="6.3in" height="auto" content-width="246px" content-height="322px"/>

我想处理这些并获得如下输出：

<fo:external-graphic src="url(images/image1.png)" _completely new stuff here, till end of string_ />

例如：

<fo:external-graphic src="url(images/image1.png)" age="25" sex="M" />

我希望结果始终以：

<fo:external-graphic src="url(images/image1.png)"

然后是额外的东西，例如：

age="25" sex="M" />

在最终输出中不需要原始字符串的其他部分。

PS2：我可以将所有这些打包到 gsub 中吗？据我所知，gsub 只接受两个参数。我试图为 replace 参数制作一个复杂的表达式，但它一直失败，例如：

gawk '/<fo:external-graphic.*/ {for (i=1; i<=NF; ++i) {if ($i ~ "src") gsub($0, "boy band"); {print}}}' inventory.txt > testres

PS3：这只是一个新手观察，也许我错了。考虑一个包含以下内容的文件：

Donald Trump
Donald Duck
George Bush
Steve Austin

搜索所有以 Donald 开头的行的正则表达式是：

/^Donald/

如果我想用“Barrack”替换所有出现的“Donald”，我可以执行以下操作：

gawk -i inplace '{ gsub(/^Donald/, "Barrack"); { print } }' FILENAME

如果我想完全更改所有包含“Donald”的行，我会这样做：

gawk -i inplace '{ gsub(/^Donald.*/, "Barrack"); { print } }' FILENAME

gawk 和 gsub 似乎只替换 span 或字符串的任何部分与给定的正则表达式匹配。因此，如果我想完全改变一整行，我的正则表达式应该跨越整行。

PS4：只是为了澄清我所期望的解决方案的任何歧义。给定以下文件：

<fo:external-graphic width="auto" height="auto" content-width="36pt" src="url(file:/C:/Users/xxx/images/tip.svg)"/>
<fo:external-graphic width="6.3in" height="auto" src="url(images/image1.png)" content-width="246px" content-height="322px"/>
<fo:external-graphic src="url(images/image1.png)" width="6.3in" content-width="246px" content-height="322px"/>

我正在寻找一种 awk/gawk 解决方案，该解决方案将把这个文件替换为：

<fo:external-graphic src="url(file:/C:/Users/xxx/images/tip.svg)" age="25" sex="M" />
<fo:external-graphic src="url(images/image1.png)" age="25" sex="M"/>
<fo:external-graphic src="url(images/image1.png)" age="25" sex="M"/>

目标文件必须更改。

Answer 1

您的尝试是正确的，但假设您的意图是仅添加以 src 开头的单词，即在 $i 上，请仅对该字段应用操作，并保持其他字段不变

awk '/<fo:external-graphic.*/ {for (i=1; i<=NF; ++i) {if ($i ~ "src") $i = $i " misc stuff here"}}1' inventory.txt

$i = $i " misc stuff here" 部分仅将字符串附加到与您的正则表达式条件匹配的字段上。注意print 的删除和{..}1 在末尾的附加。这基本上意味着根据{..} 内部所做的修改重新构建整行。由于我们只修改了某些字段，因此其他字段保持不变。

如果您想重写以src 开头的整个字段并附加一些字符串，请使用适当的正则表达式匹配gsub()，并在& 表示的匹配文本之后附加字符串

awk '/<fo:external-graphic.*/ {for (i=1; i<=NF; ++i) { if ($i ~ "src") gsub(/src=\"url([^"]*)\"/, "& new string", $i ) }}1' inventory.txt

从 OP 的最新编辑来看，似乎 OP 只是希望在末尾附加用新字符串修改的 src 字段。其余字段似乎可以忽略。在 GNU awk 上使用 match() 有一个额外的优势，即添加第三个参数来将捕获的组存储为

awk -v newstr="age=\"25\" sex=\"M\"" 'match($0, /^(<fo:external-graphic).*(src=\"url([^"]*)\").*(\/>)$/, arr){ print arr[1]" "arr[2]" "newstr""arr[4]  }' file

请注意，GNU awk 在 4.1.2 之前没有就地修改，您可以这样做

gawk -i inplace '{...}' inventory.txt

对于之前的版本，使用临时文件

awk '{...}' inventory.txt > tmpfile && mv tmpfile inventory.txt

或者，如果您安装了moreutils，请使用sponge 从第一个命令中获取输出并使用最新的重新创建文件。

awk '{...}' inventory.txt | sponge inventory.txt

---

从您关于问题的示例文本中，无法识别它是否是某种标记语言（XML、HTML）。如果它是一种正确的语法感知语言，那么您应该使用知道该语法的解析器。

Answer 2

EDIT3：根据 OP 的新编辑在此处再添加一个代码。

awk  '
/ width.*content-width.*src/{
  sub(/ width.*content-width.*src/," src")
  sub(/\/>$/," age=\"25\" sex=\"M\"&")
}
/src.*width/{
  match($0,/src[^)]*/)
  val=substr($0,RSTART,RLENGTH+2)
  sub(/src.*/,"")
  $0=$0 OFS val OFS "age=\"25\" sex=\"M\"/>"
}
1
'  Input_file

---

---

EDIT2：要更改关于 OP 的 PS3 的完整线路，请尝试以下操作。

awk '/^Donald/{$0="new_line_value"} 1'  Input_file
new_line_value
new_line_value
George Bush
Steve Austin

---

---

编辑：由于 OP 已更改预期输出，因此现在也根据该输出添加解决方案。

awk '/^<fo:external-graphic src=.*/ && match($0,/src=.*\)\"/){$0=substr($0,1,RSTART+RLENGTH) " new_value_bla_bla_here.. />"} 1' Input_file

---

---

您能否尝试以下操作（尚未彻底测试，因为您的预期输出不清楚）。

awk '
/^<fo:/ && match($0,/src=.*>/){
  $0=substr($0,1,RSTART-1) OFS "new_value_here.." OFS substr($0,RSTART+RLENGTH+1)
}
1
'  Input_file

在此代码中，检查从<fo: 字符串开始的行，然后尝试通过match 捕获从src= 到/ 的字符串，并在此处用新字符串替换捕获的文本。

如果您想将输出保存到 Input_file 本身，请在上面的代码中添加 > temp_file && mv temp_file Input_file。