如何删除文件中位置 51 处的所有 CRLF，以相反的顺序处理文件

Question

我有一个很大的文本文件，输出该文件的应用程序将其自动换行为 50 个字符。

实际原始展开行长度差异很大，从 1 个字符到 1500 多个字符不等。

我需要能够以相反的顺序处理文件（从底部开始）并删除位于位置 51 的每个 CRLF，但将其他位置的所有 CRLF 单独保留。

（因此顺序相反。超过 1500 个字符的行在每个位置 51 处都有大约 56 个 CRLF。最后的必须首先删除，以保持字符串完整性）。

由于逆序的必要性，据我所知，这意味着 sed 已经过时了。 notepad++ 中的正则表达式查找和替换也没有“向后方向”作为可选选项。

我在窗户上。文件本身是通过 powershell 生成的，但我通过 Cmder 安装了 python、node、cygwin，老实说，我愿意为此安装任何东西，但由于公司政策，wsl 目前是不可能的。 VBScript 也是如此。

我尝试了 n++ 中的各种查找和替换扩展选项，但除了 pos51 处的 [CR][LF] 之外，没有一致的轮廓符。

示例——尝试保留格式：

COMMENT ON COLUMN "vendor"."things_andstuf_associa
tions"."id" IS 'The unique identifier for a things
andstuf association record.';

COMMENT ON COLUMN "vendor"."things_andstuf_associa
tions"."course_id" IS 'Identifies the course.';
COMMENT ON COLUMN "vendor"."things_andstuf_associa
tions"."created_at" IS 'Timestamp of when the reco
rd was created.';

COMMENT ON COLUMN 只是数千行日志记录中的一小部分。有些从调试开始，有些从信息开始，有些从 SELECT 开始，有些从格式化日期开始，有些从 UPSERT 开始，有些从 ON CONFLICT 开始......它变化很大。 --所有行都不以分号结尾。保留空白行可能会更好。 –

没有特定于每行开头的唯一格式化文本字符串。我可能必须（并且愿意）接受所有完全包含 50 个字符的行将与所有正确合并的行一起错误地合并。

输出来自已编译的 python 应用程序，并通过 powershell 中的 start-transcript 捕获。我无法影响 powershell 生成时的输出。然而，我可以影响 powershell 事后输出的转录文件。

我能找到的唯一常量是换行在位置 51 处有一个 CRLF。

Answer 1

也许您可以使用模式

(?m)(?<=^.{50})\r?\n

，PowerShell 示例：

$text = @'
COMMENT ON COLUMN "vendor"."things_andstuf_associa
tions"."id" IS 'The unique identifier for a things
andstuf association record.';

COMMENT ON COLUMN "vendor"."things_andstuf_associa
tions"."course_id" IS 'Identifies the course.';
COMMENT ON COLUMN "vendor"."things_andstuf_associa
tions"."created_at" IS 'Timestamp of when the reco
rd was created.';
'@

$text -replace '(?m)(?<=^.{50})\r?\n'

结果：

COMMENT ON COLUMN "vendor"."things_andstuf_associations"."id" IS 'The unique identifier for a thingsandstuf association record.';

COMMENT ON COLUMN "vendor"."things_andstuf_associations"."course_id" IS 'Identifies the course.';
COMMENT ON COLUMN "vendor"."things_andstuf_associations"."created_at" IS 'Timestamp of when the record was created.';

如果这是您期望的输出，那么您可以使用

Get-Content -Raw

将文件内容获取为单个多行字符串，然后应用此替换：

$content = Get-Content path\to\thefile.txt -Raw
$content -replace '(?m)(?<=^.{50})\r?\n' | Set-Content path\to\otherfile.txt

详情请参阅https://regex101.com/r/sO0miY/1。