在 shell 中解析非结构化数据答案

【问题标题】：Parse unstructured data in shell在 shell 中解析非结构化数据
【发布时间】：2015-01-12 11:04:34
【问题描述】：

我要解析以下文件：

0.9103726 = (MATCH) sum of:
0.0050276485 = (PHRASE) title:abc
0.9323103726 = (MATCH) sum of:
0.1323103726 = (MATCH) mul of:
0.185 = (PHRASE) title:xyz
0.9103726 = (MATCH) sum of:
0.234 = (PHRASE) title:bcd

我想要的输出是这样的：

0.0050276485 -- title -- abc
0.185 -- title -- xyz
0.234 -- title -- bcd

我试过的命令是这样的：

grep -oP '[\d.]+(?==(PHRASE)title:?)'

但它没有给我正确的输出。很抱歉之前的问题。不清楚。

【问题讨论】：

你的正则表达式不起作用的原因是括号在 Perl 正则表达式中不匹配；使用\(PHRASE\) 从字面上匹配带括号的表达式。此外，title: 之前需要一个空格才能匹配。但最后，grep 无法解析任何内容，只需打印匹配的行或子字符串。

标签： linux shell parsing grep

【解决方案1】：

如果你想要的是= 之前的第一个元素和: 之后的最后一个元素，那么说：

$ awk -F"=|:" -v OFS="--" '{print $1, $NF}' file
x --y 
x1--y1

请注意，我们还告诉awk 使用-- 作为输出字段分隔符。

由于您没有发布任何尝试，因此在同一行中显示输出作为练习:)

更新问题

同样，你可以使用这个：

$ awk -F"=|:| " -v OFS="--" '/title/{print $1, $(NF-1), $NF}' a
0.0050276485--title--abc
0.185--title--xyz
0.234--title--bcd

这和以前一样，只是针对包含title 的行。在这些字段上，它根据=、: 或（空格）分隔符打印第一个、倒数第二个和最后一个字段。

【讨论】：

抱歉，我没有提及我的尝试和我的文件的全部内容。我的文件可以有任何数据。我必须找到不能使用 AWK 的上述模式（x=（PHRASE）title:y）。这是我触发的命令： grep -oP '[\d.]+(?==(PHRASE)title\:?)'
为什么不能使用awk？使用所有这些详细信息更新您的问题。请注意，代码在 cmets 中很难阅读，因此会更清晰。谢谢！
@DarpanSanghavi 我已经更新了我的答案。注意grep 不太可能解决这个问题。 awk 是要走的路，或者也可能是 sed。
@DarpanSanghavi 没问题 :) 为每项工作获得正确的工具是件好事！很高兴它对你有用。我正在为最终命令添加一些进一步的解释。

【解决方案2】：

Sed 版本

sed '/PHRASE/!d ;  s/:/\ \-\-\ / ; s/(PHRASE)/\-\-/' data

或者

sed 's/:/\ \-\-\ / ; /(PHRASE)/!d ; s//\-\-/' data

【讨论】：

值得简要说明您的 sed 脚本如何实现原始海报所需要的。谢谢。