Atualmente estou escrevendo um script bash para analisar um arquivo de texto simples. Agora tenho o problema de que existem algumas ocorrências de novas linhas, onde nenhuma deve ser. Deixe-me dar um exemplo
Q1bcd 3 - 4 --- --- --- Ba Klasse hat Aufgab..
8 a 3 --- --- Mr
6 b 3 - 4 --- --- --- Bu Unterricht im
Klassenverband
8 a 4 --- --- Ke
7 a 4 De Bi r24 La
A string "Klassenverband" está em uma nova linha. Eu não quero isso. Para remover o novo caractere de linha, tentei comandos diferentes com sed e awk:
awk '/^\([a-zA-Z]\{4\}\)/{printf "%s ",$0;next} 1' file
sed '/^\([a-zA-Z]\{4\}\)/{N;s/\n//;}' file
O que eu tenho até agora é que todas as strings neccecary podem ser extraídas com o seguinte Regex
^\([a-zA-Z]\{4\}\)
Estou esperando uma saída como essa
Q1bcd 3 - 4 --- --- --- Ba Klasse hat Aufgab..
8 a 3 --- --- Mr
6 b 3 - 4 --- --- --- Bu Unterricht im Klassenverband
8 a 4 --- --- Ke
7 a 4 De Bi r24 La
Editar: Isso funcionou para mim. Mas o arquivo de texto precisa ser um arquivo de texto unix no arquivo DOS
sed '$!N; s/\n\([[:alpha:]]\{4,\}\)/ /; P;D' file
Com perl , supondo que o arquivo de entrada seja pequeno o suficiente para caber na memória:
perl -0777 -pe 's/\n([a-zA-Z]{4})/ $1/g' file.txt
Isso é desajeitado; pode haver uma maneira melhor
awk '{ c=""; if (NR!=1 && !/^[a-zA-Z]{4}/) { c="\n" }; printf("%s%s",c,$0) } END { print "" }'
Basicamente, para cada linha nós o imprimimos sem o caractere LF. Então podemos prefixar a próxima linha com LF, se não quisermos mesclar essa linha.
Finalmente, isso significa que a última linha é a falta da LF final, então adicionamos isso.
Tags awk sed regular-expression