☰

基于正则表达式连接多行

tag-icon • tag-icon awk text-formatting
基于正则表达式连接多行

我有 pandoc 转换为 HTML 的输出，如下所示：

foo

bar

<blockquote>

That's one small step for man, one giant leap for mankind

A new line and another quote

</blockquote>

baz

我想把它做成这样：

foo

bar<blockquote>That's one small step for man, one giant leap for mankind

A new line and another quote</blockquote>baz

（因为无论如何块引号都是单独渲染的，所以我不需要额外的新行。）

我开始尝试使用 sed，最终得到了这个 awk：

'/./ {printf "%s%s", $0, ($1 ~ /^$/ && $2 ~ /<\/?blockquote>/) ? OFS : ORS}'

它实现了我想要的部分功能，但对我来说有点太高级了，无法理解如何修改。

换句话说，我认为我想要的规则是：如果下一行是空白且后面的一行 matches /<\/?blockquote>/，则打印当前行、下一行以及后面的一行，不带任何分隔符，然后继续。

答案1

使用 GNU awk 处理多字符RS、RT、gensub()和 ，\s并且无需将整个文件一次性读入内存：

$ awk -v RS='\\s*</?blockquote>\\s*' '{ORS=gensub(/\s+/,"","g",RT)} 1' file
foo

bar<blockquote>That's one small step for man, one giant leap for mankind

A new line and another quote</blockquote>baz

答案2

使用 aPerl的单行：

>= 5.36:

$ perl -gpe 's/(\w+)\n\n(</?blockquote\b[^\n]+)\s*\n/$1$2/g' file

或者< 5.36：

$ perl -0777 -pe 's/(\w+)\n\n(</?blockquote\b[^\n]+)\s*\n/$1$2/g' file 

foo<blockquote>That's one small step for man, one giant leap for mankind

A new line and another quote</blockquote>bar
  • -g或-0777读取内存中的整个文件
  • 's///'是替换骨架，就像sed
  • $1$2是两个被捕获的组，\1\2就像sed

正则表达式匹配如下：

节点 解释
( 分组并捕​​获到 $1：
\w+ 单词字符（az、AZ、0-9、_）（1 次或多次（匹配尽可能多的数量））
) 1 美元结束
\n '\n'（换行符）
\n '\n'（换行符）
( 分组并捕​​获到 $2：
</?blockquote '<' + 可选的 '/' + '块引用'
\b 词边界锚
[^\n]+ 任何字符，除了： '\n'（换行符）（1 次或多次（匹配尽可能多的数量））
) 2 美元结束
\s* 空格（\n、\r、\t、\f 和 " "）（0 次或多次（匹配尽可能多的数量））
\n '\n'（换行符）

答案3

awk 'BEGIN { waiting_for_tag=1; };
     NF==0 { next; };
     $1 ~ "</?blockquote>" { printf "%s",$1; waiting_for_tag=0; next; };
     waiting_for_tag==1 { printf "%s",$0; next; }; 
     { printf "%s\n",$0; waiting_for_tag=1; }' input
foo<blockquote>That's one small step for man, one giant leap for mankind
A new line and another quote</blockquote>bar

相关内容