bash中的for循环只是打印n次命令而不是重复

Question

我有一个超过 6000 行的 input.txt 文件。

如果一行 a 有超过 10 个单词，那么我希望它被拆分，但不是在第 10 个单词，而是第一个逗号字符出现的位置。并且，如果新行也有10个以上的单词，那么它也应该被拆分，并不断重复这个过程7次。

最终产品：没有超过 10 个单词和逗号的行，因为它们都已被拆分。

例子：

输入

Line 1: This is me, and my sample test line that I like to get working, and I want to be able to kick some ass while doing it

预期输出：

Line 1: This is me, 
Line 2: and my sample test line that I like to get working,
Line 3: and I want to be able to kick some ass while doing it

我正在使用以下代码：

#! /bin/bash

for run in {1..7}
do

awk 'NF >= 10 {
sub (", ", ",\n")

}1' input.txt

done

此代码没有给出预期的结果。相反，我得到以下输出 7 次。

line 1: This is me,

line 2: and my sample test line that I like to get working, and I want to be able to kick some ass while doing it.

我倾向于 sed，但我不清楚某些事情。我看到了三种方法 1) 代码读取一行（比如 line7），它超过 10 个单词并以逗号分隔（但不检查新破坏的 like 是否超过 10 个单词）并移至下一行。在文件末尾，它会重复这个过程（比如 7 次）以确保新断行也在 10 个单词以下。然后，它接受这个过程的输出并做同样的事情，但有一个新的条件（例如单词“和”）。然后，它需要这个等的输出......我可以添加无穷无尽的条件。这是我更喜欢的方法。我也认为编码更容易。

第二种方法 2) 代码是否读取行，如果超过 10 个单词，它会在逗号处分解，然后如果仍然超过 10 个单词，它会在逗号处进一步分解，依此类推，直到少于 10 个单词。只有这样，它才会移动到下一行。我认为这就是 Ghoti 的代码所做的。但是添加附加条件很复杂。 3）第三种方法是：它在逗号处分行超过 10 个单词，然后在“and”处分行，以此类推。然后最后，整个过程被重复了几次。恕我直言，这也不是最好的方法。

有人可以帮忙吗。

提前谢谢你！

Answer 1

我想我明白你在追求什么。您的方法存在一些问题：

• awk 不会就地处理文件。因此，您的 sub() 进行了更改，1 打印到标准输出，但您的输入文件永远不会更改。
• sub() 时，不会将新记录插入到 awk 正在处理的输入流中。您的命令只是在当前记录中添加一个换行符。

鉴于这些，您可以按照您的建议多次处理输入。但是，与其随意假设一行最多有 7 个 10 字的短语，不如实际检测是否需要继续。像这样的：

#!/usr/bin/env bash

input=input.txt
temp=$(mktemp ${input}.XXXX)
trap "rm -f $temp" 0

while awk '
  BEGIN { retval=1 }
  NF >= 10 && /, / {
    sub(/, /, ","ORS)
    retval=0
  }
  1
  END { exit retval }
' "$input" > "$temp"; do
  mv -v $temp $input
done

这使用来自 awk 的退出值来确定我们是否需要运行 bash 循环的另一次迭代。如果 awk 检测到不需要替换，则循环停止。

Answer 2

好的，这就是我解决这个问题的方法。这很丑陋，但它有效。另外，我可以继续传递更多 sed 命令以添加更多条件（例如我在@ghoti 上方的评论）。

sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' input.txt | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/'| sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | sed -r '/((\w)+[., ]+){10}/s/\./\.\n/' | tr -s [:space:] > output.txt

基本上，我只是将相同的 sed 命令传送了 7 次（在上面的示例中，我替换的是句点而不是逗号，但都是一样的）。 根据我在网上阅读的内容，我很惊讶这个命令不允许一些递归/重复。或者如果有人知道，请随时编辑。