标题: [文本处理] 这样奇葩的文本批处理能搞定吗？ [打印本页]
作者: bl5062 时间: 2014-9-28 18:09 标题: 这样奇葩的文本批处理能搞定吗？
假设有一文本存放了一批邮箱与昵称，但因为是多人输入帖子回复里的，所以格式很无语的混乱，能不能把这些信息统一成：邮箱空格昵称 的形式？
下面是一些例子，作为测试数据使用。我们大致统计了下有空格、制表符、逗号、分号、竖线、空格竖线空格、百分号、多个相同符号、以及其他组合。
有的一行中还有其他信息。
有的邮箱前后有尖括号。
有的整行都是其他信息。
123456@qq.com cccccccc
123457@qq.com cccccccc2
1123456@qq.com,cccggggcc
156723457@qq.com;ccccxcvcccc1
1567xzxvdv@163.com | reydhdfhdh
1567xzfgxvdv@163.com|reydfdhdfhdh
1567xzfgxvdv@163.com % reydfdhdfhdh
dfhgdxvdv@163.com%%%%reydfdhdfghfhdh
<dfdhgrg456dxvdv@163.com> reyd785hdh
;<dfdhgrg456dxvdv@163.com> | reyd785hdh
其他信息 | reyd785hdh | dfdhgrg456dxvdv@163.com | 其他信息
作者: apang 时间: 2014-9-28 20:49
或许可以这样：- sed -r "s/[^a-z0-9_@\.\s-]+/ /ig;s/^ | $//g;s/(.+) (.+@.+)/\2 \1/" a.txt>b.txt
作者: CrLf 时间: 2014-9-29 06:16
这格式蛋疼得...都直不起腰了
作者: bl5062 时间: 2014-9-29 08:42
或许可以这样：
apang 发表于 2014-9-28 20:49 
测试了下不行，说没有sed命令，改为set后又说环境变量 -r "s/[^a-z0-9_@\.\s-]+/ /ig;s/^ | $//g;s/(.+) (.+@.+)/\2 \1/" a.txt 没有定义
作者: bl5062 时间: 2014-9-29 08:45
回复 2# apang
作者: 523066680 时间: 2014-9-29 08:47
回复 4# bl5062
请在论坛里搜索sed ，下一个。
作者: DAIC 时间: 2014-9-29 08:58
回复 4# bl5062
http://bbs.bathome.net/thread-3981-1-1.html
从这里下载一个sed.exe
放到 C:\Windows\System32 目录下面
作者: Linuxer 时间: 2014-9-29 09:23
回复 4# bl5062
sed 是第三方工具，，和set是不同的概念，，按照7楼的地址和方法操作一下~~祝你成功~
作者: bl5062 时间: 2014-9-29 11:44
简直天神下凡，居然一句就搞定，佩服！！！！！！！！！！！
话说这就是传说中的正则表达式？能解释下这句话吗？
作者: DAIC 时间: 2014-9-29 13:12
回复 9# bl5062
嗯，那就是正则表达式，建议你自己找本书看看，比如《精通正则表达式》
作者: apang 时间: 2014-9-29 15:56
本帖最后由 apang 于 2014-9-29 15:58 编辑
回复 9# bl5062
我是吃五谷杂粮、食人间烟火的人类，不是神仙哦。大致思路：
1：
s/[^a-z0-9_@\.\s-]+/ /ig
把一个或多个连续的非英文字母、数字、下划线、@、点、减号替换成一个空格
（这里的\s是多余的，请删掉）
比如这样一行：
;<[email]dfdhgrg456dxvdv@163.com[/email]> | reyd785hdh
会把“;<”替换成一个空格，把“> | ”替换成一个空格
2：
s/^ | $//g
经过第一步处理后，字串开头和结尾可能会含有一个空格字符
这一步就是删掉开头或结尾的空格
3：
s/(.+) (.+@.+)/\2 \1/
如果昵称在前、邮箱在后，则交换它们的位置
注意：代码并不检测邮箱名是否有效（假设a.txt中录入的都是有效邮箱、昵称）
作者: pubuntu 时间: 2014-9-30 23:45
这奇葩格式啊。。。怎么这么坑。。
| 欢迎光临 批处理之家 (http://www.bathome.net/) |
Powered by Discuz! 7.2 |