デフォルトでは、次のような行があります。
TEXT1910\text0001 “ My hand is broken , ” said the sailor , “ and smoked the pipe . ”
私は彼らが次のように見えることを望みます：
TEXT1910\text0001 <s> “ My hand is broken , ” said the sailor , “ and smoked the pipe . ” </s>
次のコマンドを使用して動作しようとしました。
cat text.ign | sed -e 's/\(.*\) \(.*\)/ <s> \1 <\/s>\2/' | less
しかし、これは以下を生成します。
<s> TEXT1910\text0001 “ My hand is broken , ” said the sailor , “ and smoked the pipe . ” </s>
答え1
目標を正しく説明したら、次を試してください。
sed 's| | <s> |; s|$|</s>|'
たとえば、ファイルから始めると、次のようになります。
$ cat text.ign
TEXT1910\text0001 “ My hand is broken , ” said the sailor , “ and smoked the pipe . ”
そして、次のコマンドを実行してください。
$ sed 's| | <s> |; s|$|</s>|' text.ign
TEXT1910\text0001 <s> “ My hand is broken , ” said the sailor , “ and smoked the pipe . ” </s>
仕組み：
s| | <s> |最初のスペースをに置き換えます<s>。Sed では、代替コマンドですべての文字を区切り文字として使用できます。ここでは
|伝統的な/。s|$|</s>|</s>行の末尾に追加してください。区切り記号として使用しているため、
|エスケープにバックスラッシュは必要ありません</s>。
元のコマンドはどうなりましたか？
私たちが持っている質問から：
$ sed -e 's/\(.*\) \(.*\)/ <s> \1 <\/s>\2/' text.ign
<s> TEXT1910\text0001 “ My hand is broken , ” said the sailor , “ and smoked the pipe . ” </s>
ここでの問題はsed正規表現の一致です。左が一番長いです。マッチ。これは、最初の項目が行\(.*\)の先頭から行の最後のスペースまですべてに一致することを意味します。もう 1 つは、\(.*\)最後の空白以降のすべての項目と一致します。
例の行は空白で終わるため、これは行全体を \(.*\)一致させ、\(.*\)他の行では何も一致しないことを意味します。したがって、行全体<s>の前後に配置されます。</s>
答え2
簡単です。以下を使用してください。
sed -Ee 's/(.*[0-9])(.*)/\1 <s>\2 <\/s>/'
あなたの場合：
cat file | sed -Ee 's/(.*[0-9])(.*)/\1 <s>\2 <\/s>/' | less
ただし、sed コマンドの後にファイル名を使用し、パイプの使用を避けることをお勧めします。つまり：
sed -Ee 's/(.*[0-9])(.*)/\1 <s> \2 <\/s>/' file
オプションを使用してファイルを直接編集しますi。
答え3
$ awk '{ $1 = $1 " <s>"; $(NF+1) = "</s>"; print }' file
TEXT1910\text0001 <s> “ My hand is broken , ” said the sailor , “ and smoked the pipe . ” </s>
<s>これは、スペースで区切られた最初のフィールドの後にスペースと開いたタグを追加し、最後に閉じるタグを新しいフィールド</s>として追加します。次に、変更された行を印刷します。
これにより、データ内の複数のスペースが単一のスペースに縮小されます。
答え4
必要なのは、次のように機能するhtmlなどの構文で囲まれた最後の二重引用符の最初の二重引用符です。
sed -e 's|".*"|<s> & </s>|' inputfile