☰

提取以大写字母开头的列，然后提取以小写字母开头的下一列

tag-icon • tag-icon awk sed grep text-formatting
提取以大写字母开头的列，然后提取以小写字母开头的下一列

我有一个包含多列的文件，各列之间用下划线 (_) 分隔。

大多数列的第一个字符以大写字母开头，有些以小写字母开头。

我打算提取每一行的字符串，该字符串以大写字母开头，下一列以小写字母开头。每一条线都会至少发生一次这样的情况。（更新：如果只有第一场比赛就太好了）。棘手的部分是这种情况不会发生在每一行的同一列。

例如：

Today_is_a_Good_Day
It_Doesnt_rain
i_dont_Like_rainy_day

期望的输出：

Today_is
Doesnt_rain
Like_rainy

有没有办法使用 grep/sed/awk 或其他命令进行此类文本提取？

我试图寻找一些类似的解决方案来解决我的问题，但未能找到。

更新：至少会有

答案1

通过grepPCRE 支持的实现，并且-o：

$ grep -P -o '(?<![^_])\p{Lu}[^_]*_\p{Ll}[^_]*' < your-file
Today_is
Doesnt_rain
Like_rainy

（如果您不支持，可以替换grep -P为）。pcregrepgrep-P

这是一个u大写字母L，后跟 0 个或多个非_- ，然后是_，一个l小写字母L和另一个 0 个或多个非_- 的序列，整个事物仅匹配，前提是它不跟随非 - _（即，跟随_或行的开头）。

这将在其自己的行上打印每个匹配的出现。要将其限制为每行的第一个匹配项，您可以采取不同的方法：

grep -P -o '^(.*?_)??\K\p{Lu}[^_]*_\p{Ll}[^_]*' < your-file

对于每行的最后一个匹配，相同，但对于吃掉前导部分的部分使用运算符的贪婪版本：

grep -P -o '^(.*_)?\K\p{Lu}[^_]*_\p{Ll}[^_]*' < your-file

答案2

$ grep -o '[[:upper:]][[:alpha:]]*_[[:lower:]][[:alpha:]]*' file
Today_is
Doesnt_rain
Like_rainy

这会提取以大写字母开头、后跟任意数量的字母字符、下划线、后跟小写字母和（可能）更多字母字符的任何字符串。

然而，如果有多个匹配项，上面的代码会在每行中提取多个匹配项。

以下sed命令没有这个问题（它会提取最后的每行都有这样的字符串）：

$ sed -n 's/.*\([[:upper:]][[:alpha:]]*_[[:lower:]][[:alpha:]]*\).*/\1/p' file
Today_is
Doesnt_rain
Like_rainy

答案3

awk 方法

awk -F'_' -v OFS='_' '{
    for (i=1; i<NF; i++) {
        if ($i ~ /^[[:upper:]]/ && $(i+1) ~ /^[[:lower:]]/) {
            print $i, $(i+1)
            break
        }
    }
}' file

确保break仅打印第一个匹配项。

答案4

sed 's/.*\([A-Z][^_]*_[a-z][^_]*\).*/\1/' <your-file

编辑：贪婪的 sed 给出最后一个匹配。第一个匹配的 awk 解决方案：

awk '{match($0,/([A-Z][^_]*_[a-z][^_]*)/,a); print a[1]}' <your-file

相关内容