awk sed 或正则表达式插入子字符串并更改大小写

Question

我正在对制表符分隔的文件进行一些转换，其中一列包含如下所示的层次标识符：

VI.d5.5
VII.b2.1
VII.b2.2
VII.b2.3
VII.c1

我需要将其转换为如下所示，在第一个和第二个点组之间插入第二个点组中的大写字母：

VI.D.d5.5
VII.B.b2.1
VII.B.b2.2
VII.B.b2.3
VII.C.c1

I了解 sed 中的 \U 标志，但我不知道如何仅应用一次。例如，以下插入的字母和原始小写字母均大写：（不需要）

echo 'VII.b1.1' | sed -e 's/\([a-h]\)/\U\1.\1/'
VII.B.B1.1

我欢迎任何 shell（sed、awk、perl 等）或 vim 解决方案，它们允许我在适当的位置修改此列制表符分隔的文件。

Answer 1

您尝试过 \u 而不是 \U 吗？根据 sed 信息页面 (info sed)：

`\U'
     Turn the replacement to uppercase until a `\L' or `\E' is found,

`\u'
     Turn the next character to uppercase,

Answer 2

sed -e 's/\.[a-z]/\U&\E&/'

Perl 也很好用：

perl -pe 's/\.[a-z]/uc(
amp;) . 
amp;/e'

Answer 3

您不能在标准sed中执行此操作（ 1)，因为那里没有 \u 或 \U 这样的东西。事实上，在我的所有系统（除了一个）上，它都失败了——而且还是默默地失败了，唉！我在 Mac 笔记本电脑和 Mac 台式机上尝试了 sed 版本，然后在 Solaris 服务器和 OpenBSD 服务器上尝试了它。我也在单独的 AIX 机器上尝试过，当然它在那里不起作用。 :(

但是，您应该能够以这种方式进行移植，这适用于我测试过的那些系统：

% cat sample
VI.d5.5                                                                           
VII.b2.1
VII.b2.2
VII.b2.3
VII.c1

% perl -wpe 's/([^.]+)\.(.)/$1.\u$2.$2/' /tmp/sample 
VI.D.d5.5
VII.B.b2.1
VII.B.b2.2
VII.B.b2.3
VII.C.c1

不仅更可移植，而且也更容易。

这应该适用于过去 20 年发布的任何 Perl 版本年，包括 perl4。但是，如果您生活在最前沿并且至少安装了 5.10，那么您可以这样做：

% perl -M5.10.0 -wpe 's/[^.]+\.\K(?=(.))/\u$1./' /tmp/sample
VI.D.d5.5
VII.B.b2.1
VII.B.b2.2
VII.B.b2.3
VII.C.c1

-M5.10.0 只是为了使当然您确实拥有可用并已加载的 5.10 功能集，

那么 Unicode 又如何呢？

现在假设您的示例数据中包含 Unicode：

% cat /tmp/sample.utf8
Ⅵ.ð5.5
Ⅷ.ß2.3
Ⅺ.ç1

% uniquote /tmp/sample.utf8 
\N{U+2165}.\N{U+F0}5.5
\N{U+2167}.\N{U+DF}2.3
\N{U+216A}.\N{U+E7}1

% uniquote -v /tmp/sample.utf8
\N{ROMAN NUMERAL SIX}.\N{LATIN SMALL LETTER ETH}5.5
\N{ROMAN NUMERAL EIGHT}.\N{LATIN SMALL LETTER SHARP S}2.3
\N{ROMAN NUMERAL ELEVEN}.\N{LATIN SMALL LETTER C WITH CEDILLA}1

我可以向您保证您不会找到 sed 的版本。我去了我们牺牲的 Linux 盒子，虽然他们使用的 ɢɴᴜsed 对你的样本数据起作用，但它拒绝对这些字符之一进行案例映射。在我更喜欢的 Unicode 数据集中，即使我的语言环境设置正确，但 perl 版本仍然做了正确的事情，

但是使用 perl，只需添加 -CSD 即可。命令行选项告诉 perl 数据文件和 std{in,out,err} 都是 UTF-8 格式，然后运行相同的命令，您将看到真正的Qᴜɪᴛᴇ Iɴᴛᴇʀᴇsᴛɪɴɢ：

% perl -CSD -wpe 's/([^.]+)\.(.)/$1.\u$2.$2/' /tmp/sample.utf8
Ⅵ.Ð.ð5.5
Ⅷ.Ss.ß2.3
Ⅺ.Ç.ç1

% perl -CSD -wpe 's/[^.]+\.\K(?=(.))/\u$1./' /tmp/sample.utf8
Ⅵ.Ð.ð5.5
Ⅷ.Ss.ß2.3
Ⅺ.Ç.ç1

% perl -CSD -wpe 's/[^.]+\.\K(?=(.))/\U$1./' /tmp/sample.utf8
Ⅵ.Ð.ð5.5
Ⅷ.SS.ß2.3
Ⅺ.Ç.ç1

如您所见，\u 的标题大小写与 \ 的大写之间存在差异。 U 确实如此。这是因为小写字母“ß”在标题大写中是“Ss”，但在大写字母中是“SS”。奇怪但真实！诚然，这种情况在希腊字母中发生的情况比在我们使用的拉丁字母中发生的情况要多得多，但您仍然希望做得正确。

这是所有单引号，这样您就可以看到哪些代码点我们正在谈论：

% perl -CSD -wpe 's/[^.]+\.\K(?=(.))/\u$1./' /tmp/sample.utf8 | uniquote
\N{U+2165}.\N{U+D0}.\N{U+F0}5.5
\N{U+2167}.Ss.\N{U+DF}2.3
\N{U+216A}.\N{U+C7}.\N{U+E7}1

% perl -CSD -wpe 's/[^.]+\.\K(?=(.))/\u$1./' /tmp/sample.utf8 | uniquote -v
\N{ROMAN NUMERAL SIX}.\N{LATIN CAPITAL LETTER ETH}.\N{LATIN SMALL LETTER ETH}5.5
\N{ROMAN NUMERAL EIGHT}.Ss.\N{LATIN SMALL LETTER SHARP S}2.3
\N{ROMAN NUMERAL ELEVEN}.\N{LATIN CAPITAL LETTER C WITH CEDILLA}.\N{LATIN SMALL LETTER C WITH CEDILLA}1

这样不是很酷吗？

Answer 4

尝试使用 \u 而不是 \U，它将下一个字符变为大写。但如果你想使用 \U 那么你必须用 \E 或 \L 停止大写，就像

's/\([ah]\)/\U\1\E.\1/'

Answer 5

sed -e 's/\([^.]\+\)\.\(.\)/\1.\u\2\.\2/'

像这样：

$ sed -e 's/\([^.]\+\)\.\(.\)/\1.\u\2\.\2/' <<<'VI.d5.5'
VI.D.d5.5

Answer 6

这是一个 awk 解决方案。不需要混乱的正则表达式。基本思想：按点分割，获取第二个字段的第一个字符。然后使用 toupper() 函数更改其大小写。最后，替补回到第二场。

awk -F"." '{
    ch = toupper(substr($2,1,1))
    $2=ch"."$2
}1' OFS="." file