Text mit sed vorformatieren

[passst]

Hallo,

ich muss zwei unterschiedliche Versionen von einer Übersetzung vergleichen. Als Idee hatte ich die Texte nebeneinander in Tabellenkalkulation zu importieren. Der Punkt sollte als Trennzeichen fungieren. D.h. jede Zelle enthält genau einen Satz. Das klappt leider nicht, weil Tabulatoren und sonstige "unsichtbare" Sonderzeichen die Formatierung durcheinanderbringen. Ich habe dann versucht die Texte mit sed vorzuformatieren, so daß alle Zeilen der Textdateien mit einem Punkt enden.

Zeilen zusammenfügen, unsichtbare Zeichen etc geht mit sed wunderbar, aber wie füge ich zwei oder mehrere Zeilen bis zu einem bestimmten Satzzeichen, wie z.B. der Punkt zusammen?

Es soll also,
aaa
bbb.bbbb
ccc.

so aussehen:
aaabbb.
bbbccc.


Ich bin einfach nicht dahintergekommen. Geht das überhaupt mit sed? Oder hat jemand eine bessere Idee?

[py-ro]

Warum benutzt du nicht eines von den vorhandenen Diff Programmen?

[toralf]

sed heißt (s)tream-line (ed)itor - das Design ist also, zeilenweise zu agieren. Da hast Du keine Chance mit diesem Use-Case, fürchte ich.

[mv]

sed heißt (s)tream-line (ed)itor - das Design ist also, zeilenweise zu agieren.

Ja, aber es gibt einen Zeilenspeicher und einen Befehl, den aktuellen Zeileninhalt an den Zeilenspeicher anzuhängen. Dann kann man diesen zurückholen und mit s/../../ splitten. Ich bin aber nicht genug sed-Guru, um den entsprechenden Code ohne längere Recherche hinzuschreiben. Ich würde das Problem mit perl lösen (oder zur Not mit awk, falls es aus irgendeinem Grund auf einem System ohne Perl laufen muss)

[l3u]

Im Zweifelsfall würde ich für sowas Perl nehmen. Perl ist immer gut für solche schmutzigen Angelegenheiten ;-)

Hier ist dein Ausgangs-String:

Code: Select all

$ echo -e "aaa\nbbb.bbb\nccc."
aaa
bbb.bbb
ccc.

Und hiermit macht Perl das, was du willst:

Code: Select all

$ echo -e "aaa\nbbb.bbb\nccc." | perl -ne "chomp; s/\./.\n/g; print;"
aaabbb.
bbbccc.

Natürlich auch nutzbar mittels

Code: Select all

cat datei | perl -ne "chomp; s/\./.\n/g; print;"

[toralf]

+1
Perl rules.

[musv]

Es soll also,
aaa
bbb.bbbb
ccc.

so aussehen:
aaabbb.
bbbccc.

Bitte sehr:

Code: Select all

sed ':a;N;$!ba;s/\n//g;s/\./.\n/g' deine_datei.txt

[l3u]

Na toll. Auch noch zwei Zeichen kürzer als meine Perl-Lösung! Aber die Leerzeichen könnt man ja weglassen ;-)

Aber Spaß beiseite: Aus rein wissenschaftlichem Interesse wäre es super, wenn du den sed-Befehl mal auseinanderpflücken und erklären würdest, was da was macht!

[Markus09]

Code: Select all

sed ':a;N;$!ba;s/\n//g;s/\./.\n/g' deine_datei.txt

Da es mich interessiert hat, habe ich das mit der Doku mal zerpflückt.
Der Befehl mach also sowas:

Teil 1: :a;N;$!ba;
Lese alle Zeilen in den "Lesepuffer"
1) Vergebe das Label "a" (:a)
2) lese und hänge die nächste Zeile dem aktuelle Lesepuffer an (N)
3) Warte auf Ende der Datei ($)
4) Falls nicht, gehe wieder zu 1), wo was label "a" definiert wurde (!ba)
--> Damit sind alle Zeilen im Lesepuffer

Teil 2: s/\n//g
Entferne alle newlines

Teil 3: s/\./.\n/g
Füge nach allen Punkten ein newline ein

[l3u]

Abgefahren. Ich wusste gar nicht, dass sed sowas kann …

[mv]

Abgefahren. Ich wusste gar nicht, dass sed sowas kann …

sed ist vermutlich sogar Turing-vollständig (von der theoretischen Einschränkung der Stringlänge durch die Implementierung einmal abgesehen, natürlich). Es gibt sogar verschiedene Spiele, die in sed programmiert sind: Tetris, Türme von Hanoi, ... die einzige Einschränkung bei der Interaktivität ist natürlich, dass man nach jeder Eingabe "return" drücken muss.

[l3u]

Es gibt sogar verschiedene Spiele, die in sed programmiert sind: Tetris

:-D

Das sed-Tetris erinnert mich allerdings stark an Brainfuck ;-)