使用 sed 将 <CR><LF> 更改为符号

Question

我正在使用 GnuWin32（sed 4.2.1 和核心实用程序 5.3.0）在 Windows Vista 上工作。还有 ActivePerl 5.14.2 包。

我有一个大的多记录文件。文件中每条记录的结尾用四个美元符号 ($$$$) 表示。在每个逻辑记录中都有许多“CRLF”。

我想用 |+| 之类的符号替换所有 CRLF 实例。然后我将$$$$替换为CRLF。结果：每行一条记录导入 Excel 以供进一步操作。

我尝试了几种将CRLF 转换为|+| 的方法，但都没有成功。

例如，一种方法是：sed -e "s/[\r\n]/|+|/g" source_file_in target_file_out

另一种方法使用tr -d删除\r，然后是第二条语句：sed -e "s/\n/|+|/g" source_file_in target_file_out

tr 语句有效； sed 声明没有。

我已阅读以下文章，但不知道如何调整它们以将 \r\n 替换为 |+| 之类的符号。

sed: how to replace CR and/or LF with "\r" "\n", so any file will be in one line

Replace string that contains CRLF?

How can I replace a newline (\n) using sed?

如果使用sed（和tr）无法轻松解决此问题，那么如果有人告诉我如何使用，我将使用 Perl。

---

感谢 Ed 的推荐。

awk 脚本尚未完全运行，因此我将添加一些缺失的细节，希望您可以微调您的建议。

首先，我正在运行 gawk v3.1.6.2962。我相信 awk 实现可能存在差异，所以这可能是一个有用的信息。

接下来，关于数据类型和数据来源的更多信息。

数据是关于化学品的（输入立体化学绘图程序的文本数据）。

化学文件为 .sdf 格式。

当我在 NotePad++ 中打开“133711.sdf”（使用查看/显示符号/显示所有字符）时，我看到屏幕截图中显示的数据： https://dl.dropbox.com/u/3094317/_master_1_screen_shot_.png

如您所见，只有 LF - 没有 CR。 我相信这意味着 .sdf 文件的来源是 UNIX 系统。

接下来，我运行 Windows 命令 COPY *.sdf _master_2_.txt。这会创建我想要解析成记录的非常大的文件。

_master_2_.txt 与 133711.sdf 具有相同的结构 - 仅 LF；没有 CR。

然后，我在 .BAT 文件中运行您的 awk 建议。我需要用双引号替换你的单引号，因为微软让我这样做了。

awk -v FS="\r\n" -v OFS="|+|" -v RS="\$\$\$\$" -v ORS="\r\n" "{$1=$1}1" C:_master_2_.txt >C:\output.txt

我附上了 output.txt 的屏幕截图： https://dl.dropbox.com/u/3094317/output.txt.png

如您所见，awk 命令没有成功将“\r\n”替换为“|+|”。

此外，Windows 使用 CRLF 创建了 output.txt。

它确实成功地将四个 $ 替换为 CRLF。

这些信息是否足以更新您的 awk 建议以处理与 Windows 相关的问题？

Answer 1

用 GNU awk 试试这个：

awk -v FS='\r\n' -v OFS='|+|' -v RS='\\$\\$\\$\\$' -v ORS='\r\n' '{$1=$1}1' file

我从您更新的问题中看到您使用的是 Windows。为避免荒谬的引用规则和问题，请将其放入名为“whatever.awk”的文件中：

BEGIN{FS="\r\n"; OFS="|+|"; RS="\\$\\$\\$\\$"; ORS="\r\n"} {$1=$1}1

然后运行它

awk -f whatever.awk file

看看这是否符合你的要求。