☰

샘플 파일을 얻는 방법:

tag-icon • tag-icon regular-expression split
샘플 파일을 얻는 방법:

I Ching의 64개 헥사그램을 기반으로 64개의 동일하지 않은 부분으로 나누고 싶은 텍스트 파일이 있습니다. 각 육각형 문단은 몇 개의 숫자, 마침표, 두 개의 줄 바꿈으로 시작하므로 정규식을 작성하기 쉽습니다.

하지만 이 정규식을 기반으로 실제로 텍스트 파일을 64개의 새 파일로 분할하려면 어떻게 해야 할까요? 이것은 작업처럼 보입니다 perl. 하지만 어쩌면 내가 완전히 놓치고 있는 더 분명한 방법이 있을 수도 있습니다.

답변1

예외는 csplit정규식이 한 줄이어야 한다는 것입니다. 이것은 또한 상황을 sed어렵게 만듭니다. 저는 Perl이나 Python을 선택하겠습니다.

당신은 볼 수 있습니다

csplit foo.txt '/^[0-9][0-9]*\.$/' '{64}'

귀하의 목적에 충분합니다. ( POSIX BRE가 필요하므로 등과 csplit함께 사용할 수 없습니다 .)\d+

답변2

내 생각에 가장 좋은 방법은 awk과 입니다 gawk.

앗

awk -F "([.] )|( / )" '/^[0-9]{1,3}[.]/{x="F"$1"("$2").txt";}{print >x;}' I_Ching_Wilhelm_Translation.txt

-F각 행에 대해 필드 구분 기호가 지정됩니다. 이는 정규식이며 여기서는 여러 구분 기호 ". "및 를 사용합니다 " / ". 따라서 이와 같은 행은 및 1. Ch'ien / The Creative3개의 필드로 분할됩니다 . 나중에 이를 사용하여 이러한 필드를 참조할 수 있습니다 . 전체 라인입니다.1 Ch'ienThe Creative$n$0

그런 다음 awk에게 행을 패턴과 일치시키도록 지시합니다. ^[0-9]{1,3}[.]일치하는 항목이 있으면 값을 에 할당합니다 x. x 값은 print작업의 파일 이름 으로 사용됩니다 . 이 예에서는 "F"$1"("$2").txt"so 라인을 사용하여 1. Ch'ien / The Creative파일 이름을 지정합니다.F1(Ch'ien).txt

멍하니

gawk에서는 캡처된 그룹에 액세스할 수도 있습니다. 따라서 명령을 다음과 같이 단순화할 수 있습니다. 

gawk 'match($0, /^([0-9]{1,3})[.] (.*) \/ (.*)$/, ary){x="F"ary[1]"("ary[2]")";}{print >x;}' I_Ching_Wilhelm_Translation.txt

여기서는 match캡처 그룹을 사용하여 변수 목록에 넣습니다 ary. $0전체 라인입니다. ary[0]모든 것이 일치합니다. ary[1...n]각 그룹입니다.

진주

Perl을 사용하여 이를 수행할 수도 있습니다. 

perl -ne 'if(/^([0-9]{1,3})[.] (.*) \/ (.*)$/) {close F; open F, ">", sprintf("F$1($2).txt");} print F' I_Ching_Wilhelm_Translation.txt

결과: 

> ls F*
F10(Lü).txt         F22(Pi).txt       F34(Ta Chuang).txt  F46(Shêng).txt     F58(Tui).txt
F11(T'ai).txt       F23(Po).txt       F35(Chin).txt       F47(K'un).txt      F59(Huan).txt
F12(P'i).txt        F24(Fu).txt       F36(Ming I).txt     F48(Ching).txt     F5(Hsü).txt
F13(T'ung Jên).txt  F25(Wu Wang).txt  F37(Chia Jên).txt   F49(Ko).txt        F60(Chieh).txt
F14(Ta Yu).txt      F26(Ta Ch'u).txt  F38(K'uei).txt      F4(Mêng).txt       F61(Chung Fu).txt
F15(Ch'ien).txt     F27(I).txt        F39(Chien).txt      F50(Ting).txt      F62(Hsiao Kuo).txt
F16(Yü).txt         F28(Ta Kuo).txt   F3(Chun).txt        F51(Chên).txt      F63(Chi Chi).txt
F17(Sui).txt        F29(K'an).txt     F40(Hsieh).txt      F52(Kên).txt       F64(Wei Chi).txt
F18(Ku).txt         F2(K'un).txt      F41(Sun).txt        F53(Chien).txt     F6(Sung).txt
F19(Lin).txt        F30(Li).txt       F42(I).txt          F54(Kuei Mei).txt  F7(Shih).txt
F1(Ch'ien).txt      F31(Hsien).txt    F43(Kuai).txt       F55(Fêng).txt      F8(Pi).txt
F20(Kuan).txt       F32(Hêng).txt     F44(Kou).txt        F56(Lü).txt        F9(Hsiao Ch'u).txt
F21(Shih Ho).txt    F33(TUN).txt      F45(Ts'ui).txt      F57(Sun).txt

샘플 파일을 얻는 방법:

curl http://www2.unipr.it/~deyoung/I_Ching_Wilhelm_Translation.html|html2text -o I_Ching_Wilhelm_Translation.plain
sed 's|^[[:blank:]]*||g' I_Ching_Wilhelm_Translation.plain > I_Ching_Wilhelm_Translation.txt

답변3

csplitGNU coreutils를 사용하면 파일을 정규식으로 구분된 조각으로 분할 할 수 있습니다 .괴짜 드래곤이 보여준 것처럼.

이것은 파일을 여러 부분으로 분할하기 위한 이식 가능한 awk 스크립트입니다. 작동 방식은 다음과 같습니다.

  • getline여러 줄(2줄) 구분 기호를 처리하기 위해 호출됩니다.
  • outfile섹션 헤더가 나타나면 변수를 인쇄할 파일 이름으로 설정합니다.
BEGIN {outfile="header.txt"}
{
    while (/^[0-9]+\.$/) {
        prev = $0; getline;
        if ($0 == "") outfile = prev "txt";
        print prev >outfile
    }
    print >outfile
}

답변4

분할 이유가 다른 명령으로 각 청크를 처리하는 것이라면 GNU Parallel이 선택의 도구일 수 있습니다.

cat I_Ching_Wilhelm_Translation.txt |
  parallel -N1 --pipe --regexp --recend '\n' --recstart '[0-9]{1,3}[.] [^\n]+ /' 'cat > {#}'

cat > {#}이는 실행 명령으로 대체될 수 있습니다 .

관련 정보