从两个特定字符串之间的任何位置删除特定字符？

Question

我有一个包含以下示例内容的大文本文件：

number="+123 123 123" text="This is some text"
number="+123456" text="This may contain numbers"
number="+123456 789" text="Numbers here should keep their spaces"
number="+9 8 7 6 5" text="example 123 123 123"

我想要删除两个标识字符串之间的任何空白字符，在本例中为number= 和" text=，而不触及该行的其余部分。这样所需的输出将是：

number="+123123123" text="This is some text"
number="+123456" text="This may contain numbers"
number="+123456789" text="Numbers here should keep their spaces"
number="+98765" text="example 123 123 123"

(?<=[0-9])(\s)(?=[0-9]) 之类的正则表达式会干扰文本字段，这是不可取的。

我已经测试了一些使用类似(?<=address)(\s)(?=date) 的变体，但这不起作用。我认为问题在于无法处理空格和标记之间可能存在的额外数字？

将通配符匹配添加到诸如(?<=address.*)(\s)(?=.*date) 之类的lookbehinds/lookaheads 中似乎无效，或者我做错了？同样使用(/s+?) 让空格变得懒惰似乎对我没有帮助，但这是关于我对正则表达式的了解真正崩溃的地方:)

理想情况下，为了安全起见，我还想限制额外的等号和引号字符。即 number=" 在开始标记和 text=" 作为结束标记。

如果更简单，也欢迎任何 sed/awk 或类似解决方案。

Answer 1

使用替换和循环：

sed ':l s/\(number="[^" \t]*\)\s\s*/\1/g;tl' input

这个给出：

number="+123123123" text="This is some text"
number="+123456" text="This may contain numbers"
number="+123456789" text="Numbers here should keep their spaces"
number="+98765" text="example 123 123 123"

Answer 2

搜索： [ ](?=[^"]*" text=)（空格周围的[brackets] 是可选的，它们是为了清晰起见）

替换：空字符串。

在the regex demo 中，请参阅底部的替换。

命令行语法

我不知道要搜索和替换的 sed 语法。使用 Perl（@jaypal 和 @AvinashRaj 提供）：

perl -pe 's/ (?=[^"]*" text=)//g' file

来自perl --help，

-p                assume loop like -n but print line also, like sed
-e program        one line of program (several -e's allowed, omit programfile)

Answer 3

使用awk：

awk 'BEGIN{FS=OFS="\""}{gsub(/ /,"",$2)}1' file
number="+123123123" text="This is some text"
number="+123456" text="This may contain numbers"
number="+123456789" text="Numbers here should keep their spaces"
number="+98765" text="example 123 123 123"

Answer 4

另一个awk解决方案：

 awk -F ' text="' '{ gsub(/ /, "", $1); print $1 FS $2 }' file

• -F text="' 将每个输入行拆分为 text=" ($1) 之前的部分和 ($2) 之后的部分 - -F 选项设置特殊的 FS (*f*ield *s*eparator ) awk 变量为一个正则表达式，awk 用于将每个输入行拆分为字段。
• gsub(/ /, "", $1) (*g*lobal *sub*stitution) 删除 $1 中的所有空格（text=" 之前的部分；用空字符串替换空格）。
• print $1 FS $2 打印输出：已修改 $1（删除空格），与FS（即text="）连接，与$2（text=" 之后的未修改部分）连接)。

Answer 5

注意：这是对现有答案的补充，以比较他们的表现。

测试环境：

• OS X 10.9.4。
  • FreeBSD awk 20070501
  • FreeBSD sed（不知道版本号）
  • Perl v5.16.2
• Ubuntu 14.04
  • GNU awk 4.0.1
  • sed (GNU sed) 4.2.2
  • Perl v5.18.2

不足之处：

• awk 解决方案最快。
  • 在 OS X 上，@jaypal's solution 更快，在 Ubuntu 上是 @mklement0's (mine)。
• 后跟perl solution。
• sed solution (accepted answer) 是最慢的。
  • 请注意，删除不必要的 g 选项确实会显着改善情况，但不会改变大局。

在 OS X 上，差异并不显着。
在 Ubuntu 上，awk 和 perl 解决方案之间的差异很小，但 sed 解决方案的速度要慢得多。

样本数字，针对 100,000 行的输入文件运行 10 次。 不要直接比较它们（Ubuntu 在 OS X 机器上的虚拟机中运行），只看它们的比率。 （奇怪的是，awk 和 perl 在 Ubuntu 虚拟机中运行更快）：

操作系统：

# awk (@japyal) 实际0m3.848s 用户 0m3.773s 系统 0m0.049s # awk (@mklement0) 真正的 0m4.011s 用户 0m3.959s 系统 0m0.045s # perl 真实0m4.382s 用户 0m4.291s 系统 0m0.063s # sed 真正的 0m4.867s 用户 0m4.816s 系统 0m0.044s # sed（没有`g`） 真正的 0m4.510s 用户 0m4.460s 系统 0m0.044s

Ubuntu：

# awk (@mklement0) 真正的 0m1.850s 用户 0m1.788s 系统 0m0.020s # awk (@jaypal) 实际0m2.055s 用户 0m1.996s 系统 0m0.012s # perl 实际0m2.349s 用户 0m2.276s 系统 0m0.024s # sed 真实0m8.278s 用户 0m8.196s 系统 0m0.016s # sed（没有`g`） 真正的 0m7.580s 用户 0m7.488s 系统 0m0.028s