时间戳

首页 > 解决方案 > 正则表达式删除不跟随特定字符串的换行符

regex - 正则表达式删除不跟随特定字符串的换行符

问题描述

我有一个带有用户条目的分隔数据文件，我需要清理它。具体来说：

  1. 我要删除的自由文本字段中嵌入了换行符
  2. 列数可以从一行更改为下一行
  3. 每行的第一个字段应始终以模式开头"INC\d{12}"（双引号是模式的一部分）。
  4. \n如果没有紧跟模式，则每个都应替换为单个空格"INC\d{12}"
  5. 我目前在 cygwin 中使用 Perl（首选），但 awk 或 sed 答案也是可以接受的。

这是一些模拟输入数据（我保存到一个名为 的文件中test_input_so.txt）：

"INC000111111111", "field2", "field3"

"INC000222222222", "field2", "field3","INC000123456789 blahblah"



"INC000444444444", "fie"""ld2", "field3"
"INC000123

456789", "field2", "field3",
"INC000333333333", "INC000123456789", "field3""
"INC000555555555", "field2", "fiel
d3","field4"

这是上述数据的所需输出：

"INC000111111111", "field2", "field3"    
"INC000222222222", "field2", "field3","INC000123456789 blahblah"
"INC000444444444", "fie"""ld2", "field3"
"INC000123456789", "field2", "field3",
"INC000333333333", "INC000123456789", "field3""
"INC000555555555", "field2", "field3","field4"

我已经尝试了几种负前瞻/落后的组合，但我不确定它为什么不起作用。

这是一个例子：

perl -pe 's/\n(?!"INC\d{12})/ /g;' test_input_so.txt

它剥离了 all \n，但错误地删除了\n后面应该保留的“INC123456789012”。

标签： regexshellperlregex-negationregex-lookarounds

解决方案

perl -pe ...一次使用一行，因此多行正则表达式对您没有任何好处。

切换到 Perl 可以更改您的-0输入记录分隔符（Perl 的行概念），并允许您将整个输入作为单个字符串进行操作。

perl -0777 -pe 's/\n(?!"INC\d{12})/ /g;' test_input_so.txt

推荐阅读