用子串替换后续分隔符之间的字符串
我有一个17GB的管道分隔的.txt文件,并且需要将第32和第33个管道之间的超过10个字符的任何字符串替换为它们的前10个字符以填充一个数据库列,无需在崇高文本中打开该文件;所以需要通过Java或AIX-BASH来完成。在regex101.com
我试图实现在下面的帖子中提出的观点:用子串替换后续分隔符之间的字符串
,但它不匹配的模式仅限制到我的替换字符串。
样品输入:
|12210|IA||15||i956-743||||||l.4073||||a5015b3ed||l.464939|IC|||06 06:18:17||wireered||ENTITY|wirvered|2||||NoPodfoundorpoddoesnothaveedgetob-rd=l.415.63Z|REY||||RY|REY||
预期输出:
变化...|NoPodfundddorpoddoesnot...|...
到...|NoPodfundd|...
更换/截断后全部输出字符串:
|12210|IA||15||i956-743||||||l.4073||||a5015b3ed||l.464939|IC|||06 06:18:17||wireered||ENTITY|wirvered|2||||NoPodfundd|REY||||RY|REY||
在尝试正则表达式匹配:
^(?:[^|]*\|){32}[^|]+\|
相匹配一切从开始到第33 |
,所以|12210.......l.415.63Z|
,但我希望它只能匹配管道32和33之间的串,特别NoPodfoundorpoddoesnothaveedgetob-rd=l.415.63Z
,用于更换的目的。
update 1; 10/18/17:
(^(?:[^|]*\|){32}[^|]{0,10})([^|]*)(\|.*$)
用\1\3
的组捕获取代提供了期望的结果。但是这场比赛必须有一个缺陷,因为它似乎捕获了一个非捕获组(?:[^|]*\|)
。
update 2; 17年10月19日:
试图腻子命令行下面的命令,但它不编辑该文件:
cat subStrTest.txt
awk 'BEGIN{FS=OFS="|"}{$33=substr($33,1,10)} 1' subStrTest.txt
https://www.gnu.org/software/gawk/manual/html_node/String-Functions.html表明
string = substr(string,startIndex,numOfCharacters)
是有效的语法,至少gawk
,但我不知道是否转让
$33=substr($33,1,10)
有效期为与$
引用的字符串,如$33
内awk
您可以匹配组,取代它的另一个数据 ^(?:[^|]*\|){32}([^|]+)\|
如果你是在Unix/Linux上运行,为什么不使用'sed'? –
尝试使用awk。这种情况很好。 – Malt
没有缺陷,它捕获非捕获组,因为它嵌套在捕获组中,因此会被捕获。使用其他类型的正则表达式,你可以不使用第一个捕获组,因为可以使用'\ K'标记。在regex101上试试'^(?:[^ |] * \ |){32} \ K(([^ |] {0,10})[^ | * *)(?= \ |)。不幸的是,Java不支持这个令牌(据我所知) – ctwheels