Удаление определенного символа в любом месте между двумя конкретными строками?

Question

У меня есть большой текстовый файл, который содержит контент в соответствии примере ниже:

number="+123 123 123" text="This is some text" 
number="+123456" text="This may contain numbers" 
number="+123456 789" text="Numbers here should keep their spaces" 
number="+9 8 7 6 5" text="example 123 123 123" 

То, что я хотел бы, чтобы удалить какой-либо символ пробела между двумя идентифицирующих строк, в этом случае number= и " text=, не касаясь остальной линия. Так что желаемый результат будет:

number="+123123123" text="This is some text" 
number="+123456" text="This may contain numbers" 
number="+123456789" text="Numbers here should keep their spaces" 
number="+98765" text="example 123 123 123" 

Регулярное выражение, как (?<=[0-9])(\s)(?=[0-9]) будет мешать с текстовым полем, что является нежелательным.

Я протестировал несколько вариантов использования чего-то по линиям (?<=address)(\s)(?=date), но это не сработает. Я думаю, что проблема заключается в том, что вы не можете справиться с дополнительными возможными числами между пробелами и маркерами?

Добавление подстановочных матчей в lookbehinds/lookaheads, таких как (?<=address.*)(\s)(?=.*date), кажется недействительным, иначе я сделал это неправильно? Кроме того, создание пробела ленивым с (/s+?), похоже, не помогает мне, но это касается того, где мои знания регулярного выражения действительно рассыпаются :)

В идеале я хотел бы также ограничить между лишними равными и кавычками символы для безопасности , I.e number=" в начале маркера и text=" в качестве маркера конца.

Любые sed/awk или подобные решения также приветствуются, если это проще.

Answer 1

Используя замену и цикл:

sed ':l s/\(number="[^" \t]*\)\s\s*/\1/g;tl' input 

это один дает:

number="+123123123" text="This is some text" 
number="+123456" text="This may contain numbers" 
number="+123456789" text="Numbers here should keep their spaces" 
number="+98765" text="example 123 123 123" 

Answer 2

Поиск:[ ](?=[^"]*" text=) ([brackets] вокруг пространства не являются обязательными, они есть для ясности)

Замена: Пустая строка.

В the regex demo см. Подстановки внизу.

Синтаксис командной строки

Я не знаю синтаксис патч в поиск и замену.С Perl (любезно @jaypal и @AvinashRaj):

perl -pe 's/ (?=[^"]*" text=)//g' file 

От perl --help,

-p    assume loop like -n but print line also, like sed 
-e program  one line of program (several -e's allowed, omit programfile) 

Answer 3

Использование awk:

awk 'BEGIN{FS=OFS="\""}{gsub(/ /,"",$2)}1' file 
number="+123123123" text="This is some text" 
number="+123456" text="This may contain numbers" 
number="+123456789" text="Numbers here should keep their spaces" 
number="+98765" text="example 123 123 123" 

Answer 4

Другой awk решение:

awk -F ' text="' '{ gsub(/ /, "", $1); print $1 FS $2 }' file 

• -F text="' расколов каждый входной линии в часть, прежде чем text=" ($1), а часть после ($2) - опция -F устанавливает специальный FS (* Р * IELD * S * eparator) awk переменных в регулярное выражение, что awk использует для разделения каждой строки ввода на поля.
• gsub(/ /, "", $1) (* g * lobal * sub * stitution) удаляет все пробелы из $1 (часть до text="; заменяет пробелы пустой строкой).
• print $1 FS $2 печатает вывод: при модифицированных$1 (пробелов удалены), вместе с FS (т.е. text="), вместе с $2 (немодифицированными частями после того, как text=").

Answer 5

Примечание: Это дополнение к существующим ответам на сравнить их производительность.

Тестовые среды:

• OS X 10.9.4.
  • FreeBSD AWK 20070501
  • FreeBSD СЭД (не могу сказать, номер версии)
  • Perl v5.16.2
• Ubuntu 14.0
  • GNU Awk 4.0.1
  • СЭД (GNU sed) 4.2.2
  • Perl v5.18.2

короткие его:

• В awk решения быстро.
  • На OS X, @jaypal's solution быстрее, на Ubuntu это @mklement0's (mine).
• В соответствии с пунктом perl solution.
• sed solution (accepted answer) является самым медленным.
  • Обратите внимание, что удаление ненужного g варианта делает улучшить положение вещей измеримы, но не меняет общую картину.

На OS X, различия не являются существенными.
На Ubuntu различия между решениями awk и perl малы, но решение sed значительно медленнее.

Примеры номеров, работающих с файлом ввода 100 000 строк 10 раз. Не сравнивайте их напрямую (Ubuntu работает в VM на машине OS X), просто посмотрите на их соотношение. (Любопытно, что awk и perl побежал быстрее в Ubuntu VM):

OS X:

 
# awk (@japyal) 
real 0m3.848s 
user 0m3.773s 
sys 0m0.049s 

# awk (@mklement0) 
real 0m4.011s 
user 0m3.959s 
sys 0m0.045s 

# perl 
real 0m4.382s 
user 0m4.291s 
sys 0m0.063s 

# sed 
real 0m4.867s 
user 0m4.816s 
sys 0m0.044s 

# sed (no `g`) 
real 0m4.510s 
user 0m4.460s 
sys 0m0.044s 

Ubuntu:

 
# awk (@mklement0) 
real 0m1.850s 
user 0m1.788s 
sys 0m0.020s 

# awk (@jaypal) 
real 0m2.055s 
user 0m1.996s 
sys 0m0.012s 

# perl 
real 0m2.349s 
user 0m2.276s 
sys 0m0.024s 

# sed 
real 0m8.278s 
user 0m8.196s 
sys 0m0.016s 

# sed (no `g`) 
real 0m7.580s 
user 0m7.488s 
sys 0m0.028s