☰

awk 使用文件输入进行模式搜索以在另一个文件中进行搜索

tag-icon • tag-icon sed awk
awk 使用文件输入进行模式搜索以在另一个文件中进行搜索

我正在寻找一些提示，如何才能找到更好、更优雅、更高效的解决方案。所以我有一个包含姓名列表的文件。

名称.txt：

Doe John
del Super Mario
van Hoppity Jenny
van der Hupfburg Susi
Smith-Osborne John Marc

期望输出：

John Doe
Mario del Super
Jenny van Happity
Susi van der Hupfburg
John Marc Smith-Osborne

如您所见，排序顺序为“姓氏”后跟“姓名”，没有特定的分隔符（只有空格）将姓氏与姓名分开。我想要的是名字而不是姓氏。在大多数情况下，第一个单词是姓氏。在某些情况下，有一个前缀，如“van”或意大利语“del”。为了将这些前缀附加到姓氏，我想用破折号替换空格 - 这样它们就变成了一个单词（van-Hoppity、van-der-Hupfburg 等），我可以将第一个单词移动到行尾，

我当前的 sed 解决方案正在运行，但是随着每个新前缀的发现，行变得越来越长。

所以我想使用 awk，使用包含搜索模式（前缀列表）的文件，该文件应该在名称文件中找到该模式并替换它。

所以2个文件

  • 姓名.txt
  • 模式.txt

pattern.txt 包含第二个字段中的前缀和替代替换。字段分隔符为“;”

模式.txt：

 del ;del-
 van der ;van-der-
 van ;van-

awk 应该使用 pattern.txt 在 names.txt 中搜索，并将找到的匹配项替换为 pattern.txt 中字段 2 的值

有什么想法、提示或建议吗？

答案1

据我所知，您的文本文件（这是一种存储此类数据的糟糕方式）可以解释为：

  • 每行包含一个名称
  • 姓氏可以以零个或多个单词的全小写前缀开头（例如“van”，“del”，“van der”），后跟一个大写单词
    暗示：列表不包含类似“杜姆·维克托“
  • 用空格隔开：
  • 一个或多个名字

在可能的正则表达式上制作捕获组(family Name) <space> (First Name(s)) 是(^[^A-Z]*[A-Z][^ ]*) (.*$)。

我使用的正则表达式解释如下：https://regex101.com/r/kOjwiS/1

并将其倒入 bash 代码片段中：

#!/bin/bash 
regex="(^[^A-Z]*[A-Z][^ ]*) (.*$)" 
while read line ; do  
  [[ "$line" =~ $regex ]]
  echo "Firstname(s): ${BASH_REMATCH[2]}" 
  echo  "Family Name: ${BASH_REMATCH[1]}" 
done < names.txt

Firstname(s): John
Family Name: Doe
Firstname(s): Mario
Family Name: del Super
Firstname(s): Jenny
Family Name: van Hoppity
Firstname(s): Susi
Family Name: van der Hupfburg
Firstname(s): John Marc
Family Name: Smith-Osborne

相关内容