awk的SED或正則表達式插入子和變化情況

Question

我做一個製表符分隔的文件中的一些轉變，其中一列包含heirarchical標識符是這樣的：

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

我需要改變它看起來像以下，將來自第二點組的第一和第二之間的上套管信：

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

我知道在sed的\U國旗，但我不知道如何來只有一次應用它。例如，下面的向上的情況下既插信和原小寫：（不需要）

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

我歡迎任何殼（SED，AWK，Perl，等等）或者vim解決辦法，讓我在製表符分隔的文件中修改該列。

Answer 1

使用\ü嘗試，而不是\ U將下一個字符變爲大寫。但是，如果你想使用帶有\ U那麼你必須停止與\ E或\ L中的大寫不喜歡

's/\([a-h]\)/\U\1\E.\1/'

Answer 2

你試過\u而不是\U？按照SED信息頁面（info sed）：

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

`\u' 
    Turn the next character to uppercase, 

Answer 3

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

這樣的：

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

Answer 4

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

Perl的工作也很好：

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

Answer 5

你不能這樣做，在standard sed(1)，因爲作爲\u或\U沒有這樣的事那裏。事實上，在我所有的系統中（但只有一個）它失敗了 - 也是一樣，唉！我在Mac筆記本電腦和Mac桌面上都試過sed版本，然後在我們的Solaris服務器和我們的OpenBSD服務器上嘗試了它。我也在單獨的AIX機器上嘗試過它，當然它在那裏不起作用。 :(

但是，你應該能夠做到這一點可移植性這種方式，那些我測試系統的工作原理：

% 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 

不僅是更便攜，這是一個容易得多，也

這應該適用於過去20年裏發佈的任何Perl版本，包括perl4。但是，如果你生活在最前沿，所以至少安裝5.10，那麼你可以這樣做：

% 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只是爲了確保您確實擁有並加載了5.10功能集。

Unicode怎麼樣？

現在假設您的樣本數據，它有統一：

% 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 

我可以向你保證你不會找到一個版本的sed，做對這些數據正確的事情。它會搞砸。我去了我們犧牲的Linux系統，雖然他們使用的ɢɴᴜsed在你的示例數據上工作，但是它拒絕在我的着名的Unicode數據集中映射其中一個字符，即使我的語言環境都設置正確。但perl版本仍然是正確的。

但是對於perl，只需添加‑CSD命令行選項來告訴perl數據文件和std {in，out，err}全部使用UTF-8，然後運行相同的命令，您將看到真正的東西QᴜɪᴛᴇIɴᴛᴇʀᴇsᴛɪɴɢ：

% 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 

正如你看到的，有titlecasing是\u確實和uppercasing是\U確實之間的差異。這是因爲小寫字母「ß」在titlecase中是「Ss」，而大寫字母是「SS」。奇怪而真實！無可否認，這類事情發生在希臘字母上的情況比我們使用的拉丁字母更多，但您仍然希望做到這一點。

這裏說的是all uniquote d，所以你可以看到剛纔我們談論它的代碼點：

% 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 

是不是非常酷？

Answer 6

這是awk解決方案。沒有雜亂的正則表達式需要。基本思路：分割點，得到第二場的第一個字符。然後使用toupper（）函數更改它的大小寫。最後，替換回第二場。

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