在多个文件中将每 4 次出现的字符“_”替换为“@”答案

【问题标题】：Replace every 4th occurence of char "_" with "@" in multiple files在多个文件中将每 4 次出现的字符“_”替换为“@”
【发布时间】：2022-03-26 07:24:06
【问题描述】：

我正在尝试用 bash 将多个文件中每 4 次出现的“_”替换为“@”。

例如

foo_foo_foo_foo_foo_foo_foo_foo_foo_foo..

会变成

foo_foo_foo_foo@foo_foo_foo_foo@foo_foo...

#perl -pe 's{_}{++$n % 4 ? $& : "@"}ge' *.txt

我已经尝试过 perl，但问题是它会替换从最后一个文件开始的每 4 个 _。因此，例如，某些文件的第一个 _ 被替换，因为它不是以计数 0 开始每个新文件，而是从前一个文件继续。

我试过了：

#awk '{for(i=1; i<=NF; i++) if($i=="_") if(++count%4==0) $i="@"}1' *.txt

但这也行不通。

使用 sed 我无法找到一种方法来继续替换每 4 次出现，因为每个文件中有不同数量的 _。有些文件有 20 _，有些有 200 _。因此，我无法指定范围。

我真的不知道该怎么办，有人可以帮忙吗？

【问题讨论】：

假设您的文件每个包含多于 1 行 - 您要替换每行中每 4 次出现的位置还是整个文件？请提供minimal reproducible example，其中包含多于 1 行的样本输入（即没有省略号）和相关的预期输出，以真正展示您的要求。还要说明您的输入文件是否足够小以适合内存，或者我们不能假设。

标签： bash perl awk sed

【解决方案1】：

您只需要使用eof 重置 perl 中的计数器，以告知它何时完成读取每个文件：

perl -pe 's{_}{++$n % 4 ? "_" : "@"}ge; $n = 0 if eof' *.txt

【讨论】：

【解决方案2】：

这可能是您想要的，使用 GNU awk 进行 RT：

$ awk -v RS='_' '{ORS=(FNR%4 ? RT : "@")} 1' file
foo_foo_foo_foo@foo_foo_foo_foo@foo_foo..

它一次只将每个 _ 分隔的字符串读取到内存 1 中，因此无论您的输入文件有多大，都应该可以工作，假设其中有 _s。

假设您想在整个文件中替换每 4 个 _，而不是在单个行中。

【讨论】：

【解决方案3】：

一个简单的sed 可以处理这个问题：

s='foo_foo_foo_foo_foo_foo_foo_foo_foo_foo'
sed -E 's/(([^_]+_){3}[^_]+)_/\1@/g' <<< "$s"

foo_foo_foo_foo@foo_foo_foo_foo@foo_foo

说明：

(: 开始捕获组 #1
- ([^_]+_){3}：匹配匹配 1+ 个非_ 字符，后跟_。重复此组 3 次以匹配以 _ 分隔的 3 个此类单词
- [^_]+：匹配 1+ 个非_ 字符
): 结束捕获组 #1
_：匹配一个_
替换为\1@ 以用@ 替换第4 个_

【讨论】：

我认为 _ 被计入整个文件，而不是按行计
我再次阅读了问题，但我并不完全清楚。我正在等待他的反馈来编辑或删除我的答案。
是的，同意不清楚，也可能是单行...

【解决方案4】：

使用 GNU sed:

sed -nsE ':a;${s/(([^_]*_){3}[^_]*)_/\1@/g;p};N;ba' *.txt

-n 禁止自动打印，-s 单独处理每个文件，-E 使用扩展正则表达式。

脚本是标签a (:a) 和分支到标签-a 命令(ba) 之间的循环。每次迭代都会将下一行输入附加到模式空间 (N)。这样，在读取最后一行之后，模式空间包含整个文件（*）。在最后一次迭代中，当最后一行被读取 ($) 时，替换命令 (s) 用 @ (s/(([^_]*_){3}[^_]*)_/\1@/g) 替换模式空间中的每 4 个 _ 并打印 (@ 987654336@) 结果。

当您对结果感到满意时，您可以更改选项：

sed -i -nE ':a;${s/(([^_]*_){3}[^_]*)_/\1@/g;p};N;ba' *.txt

就地修改文件，或者：

sed -i.bkp -nE ':a;${s/(([^_]*_){3}[^_]*)_/\1@/g;p};N;ba' *.txt

就地修改文件，但保留每个文件的*.txt.bkp 备份。

(*) 请注意，如果您有非常大的文件，这可能会导致内存溢出。

【讨论】：

别忘了 GNU sed 有 -z 选项，它也可以与 -s 或 -i 选项结合使用。所以sed -Esz 's/(([^_]*_){3}[^_]*)_/\1@/g' file 也可以。
是的，但是如果文件还包含 NUL 字符怎么办？

【解决方案5】：

使用您展示的示例，请尝试关注awk 程序。已经创建了一个名为 fieldNum 的 awk 变量，我已将 4 分配给它，因为 OP 需要在每 4 个 _ 之后输入 @，您也可以根据需要保留它。

awk -v fieldNum="4" '
BEGIN{ FS=OFS="_" }
{
  val=""
  for(i=1;i<=NF;i++){
    val=(val?val:"") $i (i%fieldNum==0?"@":(i<NF?OFS:""))
  }
  print val
}
'  Input_file

【讨论】：

【解决方案6】：

与GNU awk

$ cat ip.txt
foo_foo_foo_foo_foo_foo_foo_foo_foo_foo
123_45678_90
_

$ awk -v RS='(_[^_]+){3}_' -v ORS= '{sub(/_$/, "@", RT); print $0 RT}' ip.txt
foo_foo_foo_foo@foo_foo_foo_foo@foo_foo
123_45678_90
@

-v RS='(_[^_]+){3}_' 设置输入记录分隔符以覆盖四个_ 的序列（与此分隔符匹配的文本将通过RT 提供）
-v ORS=空输出记录分隔符
sub(/_$/, "@", RT) 将最后一个 _ 更改为 @
使用-i inplace 进行就地编辑。

【讨论】：

【解决方案7】：

如果每行都应该重置计数：

perl -pe's/(?:_[^_]*){3}\K_/\@/g'

$ cat a.txt
foo_foo_foo_foo_foo_foo_foo_foo_foo_foo
foo_foo_foo_foo_foo_foo_foo_foo_foo_foo

$ perl -pe's/(?:_[^_]*){3}\K_/\@/g' a.txt a.txt
foo_foo_foo_foo@foo_foo_foo_foo@foo_foo
foo_foo_foo_foo@foo_foo_foo_foo@foo_foo
foo_foo_foo_foo@foo_foo_foo_foo@foo_foo
foo_foo_foo_foo@foo_foo_foo_foo@foo_foo

如果不应该为每一行重置计数，而是应该为每个文件重置：

perl -0777pe's/(?:_[^_]*){3}\K_/\@/g'

-0777 导致整个文件被视为一行。这会导致计数跨行正常工作。

但由于每个文件都使用了新的匹配项，因此文件之间的计数会重置。

$ cat a.txt
foo_foo_foo_foo_foo_foo_foo_foo_foo_foo
foo_foo_foo_foo_foo_foo_foo_foo_foo_foo

$ perl -0777pe's/(?:_[^_]*){3}\K_/\@/g' a.txt a.txt
foo_foo_foo_foo@foo_foo_foo_foo@foo_foo
foo_foo_foo@foo_foo_foo_foo@foo_foo_foo
foo_foo_foo_foo@foo_foo_foo_foo@foo_foo
foo_foo_foo@foo_foo_foo_foo@foo_foo_foo

为避免一次读取整个文件，您可以继续使用相同的方法，但添加以下内容：

$n = 0 if eof;

注意eof 和eof() 不是一回事！见eof。

【讨论】：