Bash：sed 或 awk 重写数字序列

Question

如何编写 a sed（或awk，或两者），它将重写以下内容：

echo 'v100 v201 v102 v300 v301 v500 v999 v301' | sed/awk ...

到这个输出：

v1 v2 v3 v4 v5 v6 v7 v5

即每个后续的都vx被重写以开始并且在序列中使用v1...vn相同的地方（即）应该应用相同的（如）。vv301vv5

旁注：示例输入序列显示了所有可能的情况（即重复、原始数据乱序、原始数字跳跃）。

您是可以回答这个问题的 sed 或 awk 专家吗？

Answer 1

和perl：

$ echo 'v100 v201 v102 v300 v301 v500 v999 v301' |
   perl -pe 's{v\K\d+}{$seen{$&} //= ++$n}ge'
v1 v2 v3 v4 v5 v6 v7 v5

• v\d+匹配v后跟一个或多个十进制数字。after重置匹配部分的开始，保留其左侧\K的内容，以便仅替换数字序列。vKvs
• 该e标志导致替换被视为被评估以产生替换的代码。e在该代码中，$&包含匹配的部分。
• A // B是OR的一种形式，它扩展为AifA已定义，B否则（与此相反A || B，它扩展为AifA解析为真值，B否则）。//=是相应的作业形式。SoA //= B是 的缩写if (defined(A)) {A} else {A = B}。

请注意，$seen哈希表是根据这些数字的字符串值进行索引的，因此v2 v02 v002，您将得到v1 v2 v3、2和02，002它们是彼此不同的字符串。您可以替换$&为0+$&来标准化数字（010 被视为 10，而不是八进制 8），以便进入v1 v1 v1上面的示例。或者你可以s{v0*\K\d+}{$seen{$&} //= ++$n}ge保留前导0s 并得到v1 v01 v001结果。

为了避免替换v1在rev1sion例如中找到的内容，您可以在匹配项 ( ) 的两侧添加一些单词b边界\bv\K\d+\b正则表达式运算符。或者仅替换以空格分隔的单词（v1.2例如，单独保留），为非白色步伐添加一些负面的环视： 。S(?<!\S)v\K\d+(?!\S)

Answer 2

使用awk：

awk '{ for (i=1; i<=NF; ++i) $i = (seen[$i] ? seen[$i] : seen[$i] = "v" ++n) }; 1'

这将遍历每个输入行的所有字段并重新分配它。重新分配的值v后面跟着 counter 的下一个值n，除非之前已经见过该字段的值，在这种情况下，其新值将与之前给出的该字段的值相同。

最后1的 触发修改行的输出。

测试：

$ echo 'v100 v201 v102 v300 v301 v500 v999 v301' | awk '{ for (i=1; i<=NF; ++i) $i = (seen[$i] ? seen[$i] : seen[$i] = "v" ++n) }; 1'
v1 v2 v3 v4 v5 v6 v7 v5

awk仅当字段与正则表达式匹配时才修改字段的替代命令^v[0-9]+$：

awk '{ for (i=1; i<=NF; ++i) if ($i ~ "^v[0-9]+$") $i = (seen[$i] ? seen[$i] : seen[$i] = "v" ++n) }; 1'

或者，为了可读性，格式化为多行：

awk '
{
    for (i=1; i<=NF; ++i)
        if ($i ~ "^v[0-9]+$")
            $i = (seen[$i] ? seen[$i] : seen[$i] = "v" ++n)
}; 1'