如何使用awk删除文件的一部分

Question

我正在编写一个 shell 脚本，它在某些时候必须获取一个文件，在其中搜索特定单词并删除该单词后面的整个文本（包括单词本身） - 我认为 awk 是正确的工具，但我对其中的编程不太了解。

有人可以帮助我吗？

Answer 1

我认为“awk”是完成这项工作的工具之一，尽管我认为“sed”对于这个特定的操作更简单。 该规范有点模糊。 简单的版本是：

• 找到包含给定单词的第一行。
• 删除该行和所有后续行。

为此，我会使用“sed”：

sed '/word/,$d' file

更复杂的版本是：

• 查找包含给定单词的第一行。
• 删除该行上从单词开始的文本。
• 删除所有后续文本行。

我可能仍然会使用“sed”：

sed -n '1,/word/{s/word.*//;p}' file

这颠倒了逻辑。 默认情况下，它不打印任何内容，但对于第 1 行，直到包含单词的第一行，它会进行替换（直到包含单词的行为止不执行任何操作），然后打印。

可以在“awk”中完成吗？ 这并不完全是微不足道的，因为“awk”会自动将输入行分割成单词，并且因为您必须使用函数来进行替换。

awk '/word/ { if (found == 0) {
                # First line with word
                sub("word.*", "")
                print $0;
                found = 1
              }
            }
            { if (found == 0) print $0; }' file

（编辑：将“delete”更改为“found”，因为“delete”是“awk”中的保留字。）

在所有这些示例中，输入文件的截断版本都写入标准输出。 要就地修改文件，您需要使用 Perl 或 Python 或类似语言，或者将输出捕获到临时文件中，在命令完成后将其复制到原始文件上。 （如果您尝试“脚本文件”，您将处理一个空文件。）

有多种早期退出优化可以应用于 sed 和 awk 脚本，例如：

sed '/word/q' file

并且，如果您假设使用 GNU 版本的 awk 或 sed ，有各种非标准扩展可以帮助就地修改文件。

Answer 2

我假设您的输入是这样的：

Lorem ipsum dolor sat amet，
consectetur adipiscing velit。
Nullam neque sapien, molestie vel congue non,
feugiat quis Tellus。 是的
努拉米 Maecenas 舌舌草。

并且您希望输出在单词 'vel' 处被切断，如下所示：

Lorem ipsum dolor sat amet，
consectetur adipiscing velit。
Nullam neque sapien, 骚扰

在这种情况下，您的 awk 脚本将是：

cat lorem.txt | awk ' 
  /\<vel\>/ 
  {
     print substr($0, 0, match($0, /\<vel\>/) - 1); 
     exit; 
  } 

  { print }
'

您想要在需要处截断的单词需要替换脚本中单词 vel 的两个实例。

您也可以安全地将整个脚本放在一行上。

Answer 3

awk '/word/{exit}1' file

Answer 4

我不确定如何使用 awk 执行此操作，但您可以使用 sed 执行此操作：

sed -i~ -e 's/the-word-to-find.*$//' the-file

这将删除从 the-word-to-find 到行尾的所有内容，在每一行上包含要查找的单词。 如果您想在第一次出现 the-word-to-find 时删除文件的其余部分，您可以这样做：

sed -i~ -e 's/\(the-word-to-find\).*$/\1/;/the-word-to-find/,$d'

Answer 5

这个 awk 一行应该可以解决问题：
{ sub(/ 单词。*/, ""); 打印 }
对于每一行，如果该行包含以单词开头（以空格开头）并到达该行末尾的模式 - 用空字符串替换该模式 - 然后打印更新的行。

[认为问题可以以任何一种方式阅读（该行的整个文本或文件中的整个文本）。 如果想跳过文件的其余部分，可以： {skip = gsub(/ word.*/, ""); 打印 ; if (跳过) 退出 } ]

Answer 6

使用 sed 删除部分行，例如：

$ echo '12345 John Smith / red black or blue it is a test' | sed -e 's/\/.*//'

$ 12345 John Smith