☰

更改同一文件夹中许多文本文件（*.txt）中间具有日期时间戳的 XML 字符串的格式

tag-icon • tag-icon text-processing xml
更改同一文件夹中许多文本文件（*.txt）中间具有日期时间戳的 XML 字符串的格式

我有很多带有 XML 格式的日期的文本文件，格式如下：

<DATA2020-04-13T08:59:05.427 />

需要改成这样：

<DATA>2020-04-13T08:59:05.427</DATA>

笔记：

日期和时间因字符串而异，并且不能更改。每行中该字符串之前和之后都有更多 XML 格式的内容。另外，使用 Unixdate也不是一个选择，我确实需要更改文件内的 XML 字符串。

我正在考虑使用sed//查找和替换awk，perl也许使用通配符。谁能想出一种方法来实现这一目标吗？

答案1

$ echo '<DATA2020-04-13T08:59:05.427 />' | sed -E 's/<DATA(20[^/]*) \/>/<DATA>\1<\/DATA>/'
<DATA>2020-04-13T08:59:05.427</DATA>

或者，使用=代替 作为分隔符/，以避免必须反斜杠转义 s /：

$ echo '<DATA2020-04-13T08:59:05.427 />' | sed -E 's=<DATA(202[^/]*) />=<DATA>\1</DATA>='
<DATA>2020-04-13T08:59:05.427</DATA>

这使得它更容易阅读（当然，您现在必须转义=搜索模式和替换文本中的任何字符）。

您也可以在 perl 中使用几乎相同的正则表达式（主要区别在于，虽然\1在 perl 中工作以引用捕获组，但使用 更好且更正确$1），它有更多用于分隔s运算符的选项，例如匹配对{和}：

$ echo '<DATA2020-04-13T08:59:05.427 />' |
    perl -pe 's{<DATA(202[^/]*) />}                  
               {<DATA>$1</DATA>}'
<DATA>2020-04-13T08:59:05.427</DATA>

perl 还有一个/x修饰符来忽略未使用括号表达式转义或未\在括号表达式中转义的空格（包括换行符）。它也忽略#评论。目的是让您能够更轻松地在代码中编写更具可读性、记录在案的正则表达式。

man perlre有关 perl 正则表达式的详细信息，请参阅参考资料。

答案2

使用支持 ERE 的 sed -E（例如 GNU 或 BSD sed）：

$ sed -E 's:<(DATA)([^ ]+) />:<\1>\2</\1>:' file
<DATA>2020-04-13T08:59:05.427</DATA>

否则，在每个 Unix 机器上的任何 shell 中使用任何 sed：

$ sed 's:<\(DATA\)\([^ ]*\) />:<\1>\2</\1>:' file
<DATA>2020-04-13T08:59:05.427</DATA>

答案3

使用乐（以前称为 Perl_6）

raku -pe 's:g/ \<DATA ( <+[0..9]+[-T:.]>+ ) \s\/\> /{"<DATA>"~$0~"</DATA>"}/;'

或者

raku -pe 's:g[ "<DATA" ( <+[0..9]+[-T:.]>+ ) " />" ] = ["<DATA>"~$0~"</DATA>"];'

输入示例：

<DATA2020-04-13T08:59:05.427 />

示例输出：

<DATA>2020-04-13T08:59:05.427</DATA>

以上是编码的答案乐，Perl 编程语言家族的成员。上面的两个例子都有四个值得注意的一般特征：

  1. 无需猜测反斜杠字符：如果不是<alnum>（字母数字或下划线），则需要转义，

  2. /g像现在这样的正则表达式修饰符位于紧随 之后的表单global开头，前面有一个冒号。要么或有效，s///ss:globals:g

  3. Perl 的/x修饰符现在是 Raku 中的默认设置（允许正则表达式原子之间有自由的空格），并且

  4. Raku 中的字符串连接是通过~波浪号完成的。

上面的两个示例都使用枚举字符类<+[0..9]+[-T:.]>，它非常简单地由数字 [ 0..9] 加上四个字符 [ - T : .] 组成。此外，虽然上面的第一个示例遵循传统的s///替换习惯用法，但上面的第二个示例使用 Raku 的新“无反斜杠”替换格式（=中间有等号），一些读者可能会发现这种格式更具可读性。

最后，如果您对日期时间提取/修改有兴趣，Raku 可以满足您的需求：

~$ echo '<DATA2020-04-13T08:59:05.427 />' | raku -pe 's:g[ "<DATA" ( <+[0..9]+[-T:.]>+ ) " />" ] = [DateTime($0~"Z")];'
2020-04-13T08:59:05.427000Z

~$ echo '<DATA2020-04-13T08:59:05.427 />' | raku -pe 's:g[ "<DATA" ( <+[0..9]+[-T:.]>+ ) " />" ] = [DateTime(now) - DateTime($0~"Z")];'
54862286.622457

https://docs.raku.org/language/regexes#Enumerated_character_classes_and_ranges
https://docs.raku.org/routine/DateTime
https://raku.org

相关内容