使用正则表达式将字段拆分为数组的 Bash 脚本用于多字符分隔符

Posted 2023-03-15

【中文标题】使用正则表达式将字段拆分为数组的 Bash 脚本用于多字符分隔符

【英文标题】：Bash script to split field into array using regex for multi-character delimiters

【发布时间】：2015-05-20 12:35:26

【问题描述】：

您好——我没有大量的 shell 脚本编写经验，我需要创建一个 bash 脚本来将单个大注释字段拆分为一组单独的注释，使用正则表达式（或多个正则表达式）作为分隔符。我的输入如下所示：

这是第一个音符 (AA 01/23 10:00A)这是第二个音符(AB 01/24 11:00P) 这是第三个音符 (C101/25/201512:15A)这是第四个 (最后）注（D2 03/10 03:15P）

我的数组需要如下所示：

This is the first note          AA  01/23       10:00A
This is the second note         AB  01/24       11:00P
This is the third note          C1  01/25/2015  12:15A
This is the fourth (and final) note D2  03/10       03:15P

详情：

注释可以包含括号，因此我认为我需要使用正则表达式，而不是在每个“)”之后拆分 注释“标签”中的日期（包含在括号中的部分）可以有两种不同的格式 - 有些在日期前后有空格，只有一个 mm/dd 日期，而另一些则将日期显示为 mm/dd/ yyyy 前后没有空格。 注释标签始终以“(AA”) 开头，其中 AA 可以是大写字母和数字字符的任意组合 注释标签始终以“HH:MMA)”结尾，其中 HH 是有效小时，MM 是有效分钟，) 之前的最后一个字符是 A 或 P。

我已经定义了两个正则表达式来识别注释标签的开始和结束，但是我不知道如何将数据实际放入数组中。我的正则表达式是：

starttag= "\([A-Z0-9]2"
endtag= "\d+:\d+[A|P]\)"

我尝试使用 IFS 创建一个数组，但似乎 IFS 不能包含多个字符 - 对吗？我的结果似乎是拆分正则表达式中每个字符的输入，而不是将整个正则表达式评估为单个分隔符。

任何帮助将不胜感激。

【问题讨论】：

你想要一个二维数组吗？ Bash 大多只支持一维数组。

不，只是一个一维数组。最终目标是为与订单关联的每个单独的注释创建数据库加载记录。因此，带有 order#/notenotenotenotenote 的传入记录将作为单独的记录 order#/note、order#/note、order# note 写入文件。

我建议您查看 grep、awk 和 sed 以获取类似的信息。您可以使用 grep 搜索正则表达式并返回它找到的内容。 egrep 和 grep -e 或 grep -P 应该对您的目标最有用。

“This is the first note”应该是数组元素的索引，而“AA 01/23 10:00A”应该是值吗？

【参考方案1】：

我的 sed 不是最好的，这看起来有点傻而且没有保修：

    eval $(sed 's/\([^()]*\)(\([A-Z0-9]\2\\)\([^AP]*[AP]\)) */\1 \2 \3" "/g ; s/\([^ ]\)\([0-9]\2\:[0-9]\2\[AP]\)/\1 \2/g ; s/ "$//g ; s/^.*/array=("&)/' file)

将“array”更改为您要命名的数组的名称，将“file”更改为文件输入的名称。随着您的测试输入， sed 行扩展为：

array=("This is the first note  AA  01/23 10:00A" "This is the second note AB  01/24 11:00P" "This is the third note  C1 01/25/2015 12:15A" "This is the fourth (and final) note D2  03/10 03:15P")

eval 将其拾取并将其扩展至当前运行的 shell。

【讨论】：

感谢您的建议。我尝试了这个，但我需要评估的传入数据是较大记录中的单个字段，并且似乎 sed 不喜欢这样。这是我尝试过的： 'eval $(sed 's/([^()]*)(([A-Z0-9]\2\)([^AP]*[AP])) */\ 1 \2 \3" "/g ; s/([^ ])([0-9]\2\:[0-9]\2\[AP])/\1 \2/g ; s/ "$//g ; s/^.*/notes=("&)/'

我知道它似乎适用于您的示例数据。很抱歉，它不适用于您的真实数据。