☰

有没有办法删除所有的括号，而只删除嵌套的括号？

tag-icon • tag-icon text-processing awk sed
有没有办法删除所有的括号，而只删除嵌套的括号？

假设我有一个像这样的字符串

[[["q", "0"], "R"], "L"], ["q", [["1", "["], "]"]], [["q", ["2", "L"]], "R"], ["q", ["3", ["R", "L"]]]

我想从中删除所有嵌套的括号

["q", "0", "R", "L"], ["q", "1", "[", "]"], ["q", "2", "L", "R"], ["q", "3", "R", "L"]

我了解如何编写一种算法，通过压入和弹出堆栈或仅递增和递减计数器来实现此目的，但我很好奇是否有一种方法可以仅使用sed或等基本工具来完成此操作awk。

答案1

bracket.awk：

BEGIN{quote=1}
{
    for(i=1;i<=length;i++){
        ch=substr($0,i,1)
        pr=1
        if(ch=="\""){quote=!quote}
        else if(ch=="[" && quote){brk++;pr=brk<2}
        else if(ch=="]" && quote){brk--;pr=brk<1}
        if(pr){printf "%s",ch}
    }
    print ""
}

$ awk -f bracket.awk file
["q", "0", "R", "L"], ["q", "1", "[", "]"], ["q", "2", "L", "R"], ["q", "3", "R", "L"]

其背后的想法：

初始化quote=1.按字符读取文件。每当找到引用时，就反转quote变量（如果1，则变为0，反之亦然）。

quote然后，根据计数器，仅当设置为 1 时才对括号进行计数，并且不会打印多余的括号brk。

该print ""语句只是添加换行符，上面printf没有这样做。

答案2

和perl：

perl -pe '
   s{([^]["]+|"[^"]*")|\[(?0)*\]}
    {$1 // "[". ($& =~ s/("[^"]*"|[^]["]+)|./$1/gr) . "]"}ge'

这利用了perl的递归正则表达式。

外部s{regex}{replacement-code}ge将输入标记为：

  • [除,]或之外的任何字符序列"
  • 带引号的字符串
  • 一个[...]组（在正则表达式中使用递归来查找匹配]）

然后，如果该标记位于前两个类别 ( $1) 中，我们将其替换为自身，如果不是带有非引号 的标记[，]则在内部替换中使用相同的标记化技术将其删除。

要处理转义引号和引号内的反斜杠（例如"foo\"bar\\"），请替换[^"]为(?:[^\\"]|\\.)。

和sed

如果您sed支持-E或-r选项来使用扩展正则表达式而不是基本的你可以用循环来完成，[...]首先替换最里面的 s ：

LC_ALL=C sed -E '
  :1
  s/^(("[^"]*"|[^"])*\[("[^"]*"|[^]"])*)\[(("[^"]*"|[^]["])*)\]/\1\4/
  t1'

（用于LC_ALL=C加速它并使其相当于perl在将字节解释为字符时也忽略用户区域设置的那个）。

POSIXly，它应该仍然可以通过以下方式实现：

LC_ALL=C sed '
  :1
  s/^\(\(\("[^"]*"\)*[^"]*\)*\[\(\("[^"]*"\)*[^]"]*\)*\)\[\(\(\("[^"]*"\)*[^]["]*\)*\)\]/\1\6/
  t1'

这里使用代替\(\(a\)*\(b\)*\)*的(a|b)*基本正则表达式没有交替运算符（某些sed实现的 BRE 有\|这样的运算符，但这不是 POSIX/可移植的）。

答案3

我只是发布了这个替代方案，因为你说：

我了解如何编写一种算法，通过压入和弹出堆栈或仅递增和递减计数器来实现此目的

实际上我只会使用计数器。

$ cat tst.awk
{
    $0 = encode($0)
    sep = ""
    while ( match($0,/\[[^][]+]/) ) {
        if ( prevRstart && (RSTART > prevRstart) ) {
            printf "%s%s", sep, decode(prevStr)
            sep = ", "
        }
        prevStr = substr($0,RSTART,RLENGTH)
        prevRstart = RSTART
        $0 = substr($0,1,RSTART-1) "<" substr($0,RSTART+1,RLENGTH-2) ">" substr($0,RSTART+RLENGTH)
    }
    printf "%s%s\n", sep, decode(prevStr)
}

function encode(str) {
    gsub(/@/,"@A",str)
    gsub(/[{]/,"@B",str)
    gsub(/}/,"@C",str)
    gsub(/</,"@D",str)
    gsub(/>/,"@E",str)
    gsub(/"\["/,"{",str)
    gsub(/"]"/,"}",str)
    return str
}

function decode(str) {
    gsub(/[<>]/,"",str)
    gsub(/}/,"\"]\"",str)
    gsub(/[{]/,"\"[\"",str)
    gsub(/@E/,">",str)
    gsub(/@D/,"<",str)
    gsub(/@C/,"}",str)
    gsub(/@B/,"{",str)
    gsub(/@A/,"@",str)
    return str
}

。

$ awk -f tst.awk file
["q", "0", "R", "L"], ["q", "1", "[", "]"], ["q", "2", "L", "R"], ["q", "3", "R", "L"]

看https://stackoverflow.com/a/35708616/1745001了解这些 sub() （在该问题中是 sed）正在做什么来根据需要对这些有意义的字符和字符串进行编码/解码，以便能够隔离字符串[...]。

所以 - 它所做的是[...]从内到外查找字符串，换句话说，给定匹配项[ [ foo ] ]，然后我们更改to和to ，以便下次循环时匹配整个字符串。然后我们只需在打印之前删除和。当下一次循环时，它知道它找到了最外层，匹配字符串从超出前一个起始位置的位置开始（即不在前一个匹配字符串内），此时它会打印前一个匹配字符串。match("[ [ foo ] ]",/[[^][]/)[ foo ][<]>match("[ < foo > ]",/[[^][]/)<>[ foo ][...]

答案4

可以用 sed 来完成：

sed -E ':a;s/(\[[^][]*)\[([^][]*)\]([^][]*\])/\1\2\3/;ta'

这个想法是匹配一个[ ]对，在它内部，匹配该对以删除[ ]它，反过来，不包含[或]。为了避免匹配一个[或一个，]我们需要使用[^][]*.这在几个地方重复：

  • (\[[^][]*)匹配（并捕获）一个[后接多个非[或 的]。
  • \[随后是一个[
  • ([^][]*)接下来是匹配并捕获几个非[或]。
  • \]随后是一个]
  • ([^][]*\])后面跟几个non[或]以a结尾]。

然后替换整个捕获，从而\1\2\3删除内部[]对。

:a如果进行了更改，请用标签和循环包围上面的所有内容ta，并重复替换，直到[]找不到更多内部对（并被替换）。

相关内容