每行分割多个字段以使用sed分隔行，保留行前缀

Question

上周五我遇到了问题，将文本转换为另一种格式。在那台机器上，只有gnu sed可用，没有awk（奇怪，我知道）。我对perl一无所知。所以我正在寻找一个sed唯一的解决方案。

文件内容为：

a yao.com sina.com 
b kongu.com 
c polm.com unee.net 21cn.com iop.com foo.com bar.com baz.net happy2all.com 
d kinge.net 

所需的输出，（应该是一个新的文件）：

a yao.com 
a sina.com 
b kongu.com 
c polm.com 
c unee.net 
c 21cn.com 
c iop.com 
c foo.com 
c bar.com 
c baz.net 
c happy2all.com 
d kinge.net 

我尝试了很多，还搜查著名SED oneliner，但我不能让它...可以有人帮助我吗？

Answer 1

对于sed来说，这并不容易，尤其是一个班轮。不过你提到“gnu sed”。我看到了光明！

GNU sed的支持s/.../.../ge这是这种情况下有用：

kent$ sed -r 's@(^[a-z]+) (.*)@echo "\2"\|sed "s# #\\n\1 #g"\|sed "/^$/d"@ge' file 
a yao.com 
a sina.com 
b kongu.com 
c polm.com 
c unee.net 
c 21cn.com 
c iop.com 
c foo.com 
c bar.com 
c baz.net 
c happy2all.com 
d kinge.net 

简短说明：

1. 外sed的是sed -r 's@..x..@..y..@ge' file的ge允许我们通过匹配部分到外部命令
2. 的..y..部分是由ge的魔术完成的。我通过\2到另一个sed（经由echo）：sed "s# #\\n\1 #g"此SED替换原始文件与\n + \1 + space
3. 所有空间，有\n每行（截止），所以有空行，在步骤2的结果（上述步骤），我们需要删除那些空行"/^$/d"
4. 最后，可以完成步骤1中的替换（外部sed），并且我们得到结果。

检查info sed为s/../../ge

编辑，添加了双空格作为OP评论。

Answer 2

cat inputFile.txt | sed -e 's/\([^\ ]*\)\(\ *\)\([^\ ]*\)\(\ *\)\([^\ ]*\)\(\ *\)\([^\ ]*\)\(\ *\)\([^\ ]*\)\(\ *\)/\1 \3\n\1 \5\n\1 \7\n\1 \9/' | grep -vE "^..$" 

适用于我的Ubuntu 12.10。

说明：

• 其分割为2组：组文本和组空字符
• 重复组1（具有第一个字符），甚至组（文本）
• 当前适用于以空字符分隔的4个文本

最后，删除包含空的“第二”组的行。

另一个尝试用BASH（执行为 “script.sh inputFile.txt”）：

#!/bin/bash 

firstParams=`cat $1 | sed -e 's/\([^\ ]*\)\(.*\)/\1/'` 
count=1 
for MY1 in $firstParams 
do 
    # print line number ${count} and filter params from the second one forth 
    restParams=`cat $1 | sed -n "${count}p" | sed -e 's/\([^\ ]*\)\(.*\)/\2/'` 
    for MY2 in $restParams 
    do 
     echo "$MY1 $MY2" 
    done 
    count=$(($count+1)) 
done 

Answer 3

有趣的问题：

$ sed -r 's/(\w+\.\w+)/> &/2g;:a s/^([a-z]+)(.*)>/\1\2\n\1/g;ta' file 
a yao.com 
a sina.com 
b kongu.com 
c polm.com 
c unee.net 
c 21cn.com 
c iop.com 
c foo.com 
c bar.com 
c baz.net 
c happy2all.com 
d kinge.net 

编辑：

它的工作原理通过使用两个替换。

第一把该需要平坦化作为保持字符的URL之前一个>：

$ sed -r 's/(\w+\.\w+)/> &/2g' file 
a yao.com > sina.com 
b kongu.com 
c polm.com > unee.net > 21cn.com > iop.com > foo.com > bar.com ... 
d kinge.net 

第二基本上取代了保持>以换行符（使用条件分支）：

$ sed -r ':a s/^([a-z]+)(.*)>/\1\2\n\1/g;ta' 

Answer 4

您可以使用

sed -r -n 's/^([a-z])\ \ ([0-9a-z.]*)\ ([0-9a-z .]*)/\1 \2\n\1 \3/p' 

它将形式

c polm.com unee.net 21cn.com iop.com foo.com bar.com baz.net happy2all.com 

的每一行每次运行时转换成

c polm.com 
c unee.net 21cn.com iop.com foo.com bar.com baz.net happy2all.com 

。

所以它是上一本的sed的输出下次运行时将成为

c polm.com 
c unee.net 
c 21cn.com iop.com foo.com bar.com baz.net happy2all.com 

等。

因此，将前一个sed的输出推入新的sed应该最终会为您提供所需的格式。

我知道这可能不是最佳答案，如果可能的话我会尽量提炼。

Answer 5

至于其他已经指出的那样，SED解决方案是棘手的，所以我想我发布一个bash-DITO：

#!/bin/bash 

while read -a array 
do 
    for i in ${array[@]:1} 
    do 
     echo ${array[0]} $i 
    done 
done < input 

输出：

a yao.com 
a sina.com 
b kongu.com 
c polm.com 
c unee.net 
c 21cn.com 
c iop.com 
c foo.com 
c bar.com 
c baz.net 
c happy2all.com 
d kinge.net 

Answer 6

这里是工作的真正的沉渣 - 仅脚本。我在下面将它写为一个在命令行中由sed调用的文件，但它可以全部在命令行中输入，或者全部输入到单独的脚本中：

将以下内容另存为sedscript（或无论你想叫它）。输出后面的解释。

:start 
    h 
    s/\(.\ \ [^ ]*\).*/\1/ 
    t continue 
    d 
:continue 
    p 
    x 
    s/\(.\ \)\ [^ ]*\(\ .*\)/\1\2/ 
    t start 
    d 

现在运行sed -f sedscript myfile.txt

随着你上面的例子保存为myfile.txt的，下面是输出：

a yao.com 
a sina.com 
b kongu.com 
c polm.com 
c unee.net 
c 21cn.com 
c iop.com 
c foo.com 
c bar.com 
c baz.net 
c happy2all.com 
d kinge.net 

战略经济对话的模式缓冲区（您通常使用s/a/b/种工作命令）和一个保持缓冲区。在这个脚本中，信息来回交换到保持缓冲区，以保留另一部分工作时未经编辑的部分。

:start =标签以使跳跃

h =交换图案缓冲器（当前行）插入到保持缓冲器

s/\(.\ \ [^ ]*\).*/\1/ =尽管实线是在保持缓冲器安全，第一后剥离一切域，留下第一个期望的行（例如“a yao.com”）。

t continue =如果先前的命令导致了替换，跳转到“继续”标签

d =如果我们不跳了，这意味着我们就大功告成了。删除模式缓冲区并转到文件的下一行。

:continue =前一个跳跃

p =打印出来的图形缓冲存储器（例如，“一yao.com”）

x =交换与保持缓冲模式缓冲区标签（也可以使用g简单地将保留缓冲区复制到模式缓冲区中）

s/\(.\ \)\ [^ ]*\(\ .*\)/\1\2/ =完整的原始字符串现在已交换到模式缓冲区 - 从我们刚才处理的域剥离（例如“yao.com”）

t start =如果这不是最后一个域，请使用新缩短的字符串启动脚本。

d =如果这是最后一个域，请删除模式缓冲区并继续到文件中的下一行。

Answer 7

这可能为你工作（GNU SED）：

sed -r 's/^((\S+\s+)\S+)\s+/\1\n\2/;P;D' file 

Answer 8

下面是做它一衬垫（用于“一”的一些定义）。它应该适用于任何sed，但我只用gnu sed进行测试。

sed ':l;s/\(^\|\n\)\([^ \n]\) \([^ \n][^ \n]*\) /\1\2 \3\ 
\2 /;t l' 

这是在\3\之后的文字换行符。

说明：

1. 甲面值换行符可以通过用反斜杠它被包括在更换。
2. :l制作了一个名为l的标签。
3. 如果进行了替换，则t l循环到标签l。
4. s命令在最初包含输入行的模式空间缓冲区上运行。在s命令之后，模式空间缓冲区包含替换的结果，包括换行符。通过循环的第二次和随后的时间，s命令获取整个模式空间缓冲区，包括之前替换中添加的任何换行符。