替换文件中第 n 次出现之间的所有内容

Question

我有一个包含字段的文件，如下所示：

2|508|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise | CPT||0598
2|504|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise | CPT||0598
2|505|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise || CPT||0598
2|506|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise | |CPT||0598

我想把最终文件归结为：

2|508|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise  CPT||0598
2|504|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise  CPT||0598
2|505|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise  CPT||0598
2|506|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise  CPT||0598

我尝试了以下方法：

sed 's/|//7'

这很棒，因为它删除了不需要的 | 分隔符，但是，在第 7 个字段中，数据有时在第 7 个字段中有超过 1 个管道，我的代码在第一次运行时没有接收到。

有没有办法用 sed、awk 或 python 来删除一个或多个？在第 7 场使总 | 管道总共只有8个|？

Answer 1

您可以使用

sed 's/|[ |]*//7'

这|[ |]*是匹配的 POSIX BRE 模式

• | - 一个管道字符
• [ |]*- 零个或多个空格或管道字符（您也可以[[:blank:]|]*用来匹配任何水平空白或管道字符）。

请参阅在线演示：

#!/bin/bash
s='2|508|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise | CPT||0598
2|504|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise | CPT||0598
2|505|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise || CPT||0598
2|506|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise | |CPT||0598'
sed 's/|[ |]*//7' <<< "$s"

输出：

2|508|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise CPT||0598
2|504|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise CPT||0598
2|505|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise CPT||0598
2|506|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise CPT||0598

如果您需要匹配到第七个管道字符，然后匹配连续的空格和管道并删除所有管道但保留空格，Perl 解决方案可能更合适：

2|508|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise CPT||0598
2|504|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise CPT||0598
2|505|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise CPT||0598
2|506|PNP|20-dec-2015 12:32:20|3451101|0|3xPirate Ship Cruise CPT||0598

请参阅此在线演示。它的作用是

• ^(?:[^|]*\|){6}[^|]*\K\|[\s|]*匹配六次出现的零个或多个字符|，然后是一个|字符，然后再匹配零个或多个字符而不是管道（with ^(?:[^|]*\|){6}[^|]*），\K省略匹配的文本并\|[\s|]*匹配并消耗管道字符，然后是任意数量的管道和空白字符
• 由于该e标志，RHS（替换）被视为 Perl 表达式，并且
• $&=~s/\|//gr意味着g从匹配值中删除所有管道（意味着多次出现）。