歡迎來到Linux教程網
Linux教程網
Linux教程網
Linux教程網
您现在的位置: Linux教程網 >> UnixLinux >  >> Unix知識 >> 關於Unix

通用線程 -- sed 實例,第 3 部分

2001 年 10 月 在這篇 sed 系列的總結性文章中,Daniel Robbins 帶您體驗 sed 的真正力量。在介紹完幾個重要的 sed 腳本之後,他將通過將一個 Quicken .QIF 文件轉換成可讀文本格式來演示一些基本 sed 腳本的編寫。該轉換腳本不僅實用,而且還是展現 sed 腳本 2001 年 10 月
在這篇 sed 系列的總結性文章中,Daniel Robbins 帶您體驗 sed 的真正力量。在介紹完幾個重要的 sed 腳本之後,他將通過將一個 Quicken .QIF 文件轉換成可讀文本格式來演示一些基本 sed 腳本的編寫。該轉換腳本不僅實用,而且還是展現 sed 腳本編寫能力的極佳示例。

強健的 sed
在 第二篇 sed 文章中,我提供了一些示例來演示 sed 的工作原理,但是它們當中很少有示例能實際做特別 有用的事。在這篇 sed 系列的最後文章中,我要改變那種方式,並使用 sed 來做實際的事。我將為您顯示幾個示例,它們不僅演示 sed 的能力,而且還做一些真正巧妙(和方便)的事。例如,在本文的後半部,將為您演示如何設計一個 sed 腳本來將 .QIF 文件從 Intuit 的 Quicken 金融程序轉換成具有良好格式的文本文件。在那樣做之前,我們將看一下不怎麼復雜但卻很有用的 sed 腳本。

文本轉換
第一個實際腳本將 UNIX 風格的文本轉換成 DOS/Windows 格式。您可能知道,基於 DOS/Windows 的文本文件在每一行末尾有一個 CR(回車)和 LF(換行),而 UNIX 文本只有一個換行。有時可能需要將某些 UNIX 文本移至 Windows 系統,該腳本將為您執行必需的格式轉換。

clearcase/" target="_blank" >cccccc" border="1">
 $ sed -e 's/$/\r/' myunix.txt > mydos.txt 

在該腳本中,'$' 規則表達式將與行的末尾匹配,而 '\r' 告訴 sed 在其之前插入一個回車。在換行之前插入回車,立即,每一行就以 CR/LF 結束。請注意,僅當使用 GNU sed 3.02.80 或以後的版本時,才會用 CR 替換 '\r'。如果還沒有安裝 GNU sed 3.02.80,請在我的 第一篇 sed 文章中查看如何這樣做的說明。

我已記不清有多少次在下載一些示例腳本或 C 代碼之後,卻發現它是 DOS/Windows 格式。雖然很多程序不在乎 DOS/Windows 格式的 CR/LF 文本文件,但是有幾個程序卻在乎 -- 最著名的是 bash,只要一遇到回車,它就會出問題。以下 sed 調用將把 DOS/Windows 格式的文本轉換成可信賴的 UNIX 格式:

 $ sed -e 's/.$//' mydos.txt > myunix.txt 

該腳本的工作原理很簡單:替代規則表達式與一行的最末字符匹配,而該字符恰好就是回車。我們用空字符替換它,從而將其從輸出中徹底刪除。如果使用該腳本並注意到已經刪除了輸出中每行的最末字符,那麼,您就指定了已經是 UNIX 格式的文本文件。也就沒必要那樣做了!

反轉行
下面是另一個方便的小腳本。與大多數 Linux 發行版中包括的 "tac" 命令一樣,該腳本將反轉文件中行的次序。"tac" 這個名稱可能會給人以誤導,因為 "tac" 不反轉行中字符的位置(左和右),而是反轉文件中行的位置(上和下)。用 "tac" 處理以下文件:

 foo bar oni 

....將產生以下輸出:

 oni bar foo 

可以用以下 sed 腳本達到相同目的:

 $ sed -e '1!G;h;$!d' forward.txt > backward.txt 

如果登錄到恰巧沒有 "tac" 命令的 FreeBSD 系統,將發現該 sed 腳本很有用。雖然方便,但最好還是知道該腳本為什麼那樣做。讓我們對它進行討論。

反轉解釋
首先,該腳本包含三個由分號隔開的單獨 sed 命令:'1!G'、'h' 和 '$!d'。現在,需要好好理解用於第一個和第三個命令的地址。如果第一個命令是 '1G',則 'G' 命令將只應用第一行。然而,還有一個 '!' 字符 -- 該 '!' 字符 忽略該地址,即,'G' 命令將應用到除第一行之外的 所有行。'$!d' 命令與之類似。如果命令是 '$d',則將只把 'd' 命令應用到文件中的最後一行('$' 地址是指定最後一行的簡單方式)。然而,有了 '!' 之後,'$!d' 將把 'd' 命令應用到除最後一行之外的 所有行。現在,我們所要理解的是這些命令本身做什麼。

當對上面的文本文件執行反轉腳本時,首先執行的命令是 'h'。該命令告訴 sed 將模式空間(保存正在處理的當前行的緩沖區)的內容復制到保留空間(臨時緩沖區)。然後,執行 'd' 命令,該命令從模式空間中刪除 "foo",以便在對這一行執行完所有命令之後不打印它。

現在,第二行。在將 "bar" 讀入模式空間之後,執行 'G' 命令,該命令將保留空間的內容 ("foo\n") 附加到模式空間 ("bar\n"),使模式空間的內容為 "bar\n\foo\n"。'h' 命令將該內容放回保留空間保護起來,然後,'d' 從模式空間刪除該行,以便不打印它。

對於最後的 "oni" 行,除了不刪除模式空間的內容(由於 'd' 之前的 '$!')以及將模式空間的內容(三行)打印到標准輸出之外,重復同樣的步驟。

現在,要用 sed 執行一些強大的數據轉換。

sed QIF 魔法
過去幾個星期,我一直想買一份 Quicken來結算我的銀行帳戶。Quicken 是一個非常好的金融程序,當然會成功地完成這項工作。但是,經過考慮之後,我覺得自己可以輕易編寫某個軟件來結算我的支票簿。我想,畢竟,我是個軟件開發人員!

我開發了一個很好的小型支票簿結算程序(使用 awk),它通過分析包含我的所有交易的文本文件的語法來計算余額。略微調整之後,我將其改進,以便可以象 Quicken 那樣跟蹤不同的貸款和借款類別。但是,我還要添加一個特性。最近,我將帳戶轉移到一家有聯機 Web 帳戶界面的銀行。有一天,我注意到,這家銀行的 Web 站點允許以 Quicken 的 .QIF 格式下載我的帳戶信息。我馬上覺得,如果可以將該信息轉換成文本格式,那就太棒了。

兩種格式的故事
在查看 QIF 格式之前,先看一下我的 checkbook.txt 格式:

 28 Aug 2000     food    -       -       Y     Supermarket             30.94 25 Aug 2000     watr    -       103     Y     Check 103               52.86 

在我的文件中,所有字段都由一個或多個制表符分開,每個交易占據一行。日期之後的下一個字段列出支出類型(如果是收入項,則為 "-")。第三個字段列出收入類型(如果是支出項,則為 "-")。然後,是一個支票號字段(如果為空,則還是 "-"),一個交易完成字段("Y" 或 "N"),一個注釋和一個美元金額字段。現在,讓我們看一下 QIF 格式。當用文本查看器查看下載的 QIF 文件時,它看起來如下:

 !Type:Bank D08/28/2000 T-8.15 N PCHECKCARD SUPERMARKET ^ D08/28/2000 T-8.25 N PCHECKCARD PUNJAB RESTAURANT ^ D08/28/2000 T-17.17 N PCHECKCARD SUPERMARKET 

浏覽過文件之後,不難猜出其格式 -- 忽略第一行,其余的格式如下:

         D<數據>  T<交易量>  N<支票號>  P<描述>  ^   (這是字段分隔符)       

開始處理
在處理象這樣重要的 sed 項目時,不要氣餒 -- sed 允許您將數據逐漸修改成最終形式。在進行當中,可以繼續細化 sed 腳本,直到輸出與預期的完全一樣為止。無需在試第一次時就保證其完全正確。

要開始,首先創建一個名為 "qiftrans.sed" 的文件,然後開始修改數據:

 1d /^^/d s/[[:cntrl:]]//g 

第一個 '1d' 命令刪除第一行,第二個命令從輸出除去那些討厭的 '^' 字符。最後一行除去文件中可能存在的任何控制字符。既然在處理外來文件格式,我想消除在中途遇到任何控制字符的風險。到目前為止,一切順利。現在,要向該基本腳本中添加一些處理功能:

 1d /^^/d s/[[:cntrl:]]//g /^D/ {  s/^D\(.*\)/\tOUTY\tINNY\t/  s/^01/Jan/         s/^02/Feb/ s/^03/Mar/         s/^04/Apr/ s/^05/May/         s/^06/Jun/  s/^07/Jul/         s/^08/Aug/  s/^09/Sep/         s/^10/Oct/ s/^11/Nov/         s/^12/Dec/  s:^\(.*\)/\(.*\)/\(.*\):  :  } 

首先,添加一個 '/^D/' 地址,以便 sed 只在遇到 QIF 數據字段的第一個字符 'D' 時才開始處理。當 sed 將這樣一行讀入其模式空間時,將按順序執行花括號中的所有命令。

花括號中的第一個命令將把如下行:

 D08/28/2000 

變換成:

 08/28/2000OUTYINNY 

當然,現在的格式還不完美,但沒關系。我們將在進行過程中逐漸細化模式空間的內容。後面 12 行的最後效果是將數據變換成三個字母的格式,最後一行從數據中除去三個斜槓。最後得到這一行:

 Aug 28 2000OUTYINNY 

OUTY 和 INNY 字段是占位符,以後將被替換。現在還不能確定它們,因為如果美元金額為負,將把 OUTY 和 INNY 設置成 "misc" 和 "-",但是,如果美元金額為正,將分別把它們更改成 "-" 和 "inco"。既然還沒有讀入美元金額,所以,需要暫時使用占位符。

細化
現在進一步細化:

 1d  /^^/d s/[[:cntrl:]]//g  /^D/ { s/^D\(.*\)/\tOUTY\tINNY\t/  s/^01/Jan/          s/^02/Feb/         s/^03/Mar/          s/^04/Apr/ s/^05/May/          s/^06/Jun/ s/^07/Jul/          s/^08/Aug/ s/^09/Sep/          s/^10/Oct/ s/^11/Nov/          s/^12/Dec/ s:^\(.*\)/\(.*\)/\(.*\):  : N          N          N           s/\nT\(.*\)\nN\(.*\)\nP\(.*\)/NUMNUM\t\tY\t\t\tAMTAMT/ s/NUMNUM/-/          s/NUM\([0-9]*\)NUM// s/\([0-9]\),//  } 

後七行有些復雜,所以將詳細討論它們。首先,連續使用三個 'N' 命令。'N' 命令告訴 sed 將 下一行讀入輸入中,然後將其附加到當前模式空間。這三個 'N' 命令導致將下三行附加到當前模式空間緩沖區,現在這一行看起來如下:

 28 Aug 2000OUTYINNY\nT-8.15\nN\nPCHECKCARD SUPERMARKET 

sed 的模式空間變得很難看 -- 需要除去額外的新行,並執行某些附加的格式化。要這樣做,將使用替代命令。要匹配的模式為:

 '\nT.*\nN.*\nP.*' 

這將與後面依次跟有 'T'、零或多個字符、新行、'N'、任何數量的字符、新行、'P'、以及任何數量字符的新行匹配。呀!這個規則表達式將與剛剛附加到模式空間的三行的全部內容匹配。但我們要重新格式化該區域,而不是整個替換它。美元金額、支票號(如果有的話)和描述需要出現在替換字符串中。要這樣做,我們用帶有反斜槓的圓括號括起那些“感興趣部分”,以便可以在替換字符串中引用它們(使用 ''、'\ 和 '' 來告訴 sed 將它們插入到何處)。以下是最後的命令:

 s/\nT\(.*\)\nN\(.*\)\nP\(.*\)/NUMNUM\t\tY\t\t\tAMTAMT/  

該命令將我們的行變換成:

  28 Aug 2000  OUTY  INNY  NUMNUM    Y   CHECKCARD SUPERMARKET AMT-8.15AMT 

雖然該行正變得好一些,但是,有幾件事一看就有點...啊...有趣。首先是那個愚蠢的 "NUMNUM" 字符串 -- 其目的何在?如果查看 sed 腳本的後兩行,就會發現其目的,後兩行將把 "NUMNUM" 替換成 "-",而把 "NUM"<number>"NUM" 替換成 <number>。如您所見,用愚蠢的標記括起支票號允許我們在該字段為空時方便地插入一個 "-"。

結束嘗試
最後一行除去數字後的逗號。它把如 "3,231.00" 這樣的美元金額轉換成我使用的格式 "3231.00"。現在,讓我們看一下最終腳本:

最終的“QIF 到文本”腳本

 1d /^^/d s/[[:cntrl:]]//g /^D/ { s/^D\(.*\)/\tOUTY\tINNY\t/  s/^01/Jan/ s/^02/Feb/ s/^03/Mar/ s/^04/Apr/ s/^05/May/  s/^06/Jun/ s/^07/Jul/ s/^08/Aug/ s/^09/Sep/ s/^10/Oct/  s/^11/Nov/ s/^12/Dec/ s:^\(.*\)/\(.*\)/\(.*\):  :  N N N s/\nT\(.*\)\nN\(.*\)\nP\(.*\)/NUMNUM\t\tY\t\t\tAMTAMT/  s/NUMNUM/-/ s/NUM\([0-9]*\)NUM// s/\([0-9]\),//  /AMT-[0-9]*.[0-9]*AMT/b fixnegs  s/AMT\(.*\)AMT// s/OUTY/-/ s/INNY/inco/  b done :fixnegs s/AMT-\(.*\)AMT// s/OUTY/misc/  s/INNY/-/ :done } 

附加的十一行使用替代和一些分支功能來美化輸出。首先看一下這行:

         /AMT-[0-9]*.[0-9]*AMT/b fixnegs  

該行包含一個格式為 "/regexp/b label" 的分支命令。如果模式空間與規則表達式匹配,sed 將分支到 fixnegs 標號。您應該可以輕易找到該標號,它在代碼中為 ":fixnegs"。如果規則表達式不匹配,則以常規方式繼續處理下一個命令。

既然您理解該命令本身的工作原理,讓我們看一下分支。如果看一下分支規則表達式,將看到它與後面依次跟有 '-'、任意數量的數字、一個 '.'、任意數量的數字和 'AMT' 的字符串 'AMT' 匹配。就象我確信您已猜到一樣,該規則表達式專門處理負的美元金額。在這之前,用 'ATM' 括起美元金額,以便以後可以輕易找到它。因為規則表達式只與以 '-' 開始的美元金額匹配,所以,該分支只在恰巧處理借款時才發生。如果正處理貸款,應該將 OUTY 設置成 'misc',將 INNY 設置成 '-',並且應該除去貸款數量前面的負號。如果跟蹤代碼的流程,將看到實際情況正是這樣。如果不執行分支,則用 '-' 替換 OUTY,用 'inco' 替換 INNY。完成了!現在輸出行是完美的:

 28 Aug 2000misc--       Y     CHECKCARD SUPERMARKET  -8.15 

別犯糊塗
如您所見,只要循序漸進地解決問題,使用 sed 轉換數據就沒有那麼難。不要試圖使用一個 sed 命令或一下子解決所有問題。相反,要朝著目標逐步進行,並不斷改進 sed 腳本,直到其輸出正如您希望那樣為止。sed 有許多功能,希望您已非常熟悉其內部工作原理並繼續努力以進一步掌握它!

Copyright © Linux教程網 All Rights Reserved