替换正则表达式中的嵌套反向引用

Question

我从Excel电子表格中提取了一列，其中一些单元格包含多行，有些则不包含。多行单元格由引号分隔。我想用“，”替换那些多行单元格中的返回值。所以我的文件看起来像这样：

"Alpha
 Beta
 Gamma"
 123
 456
"Apple
 Banana
 Cherry"
 789
 this is a single-line cell

我的目标是

 Alpha, Beta, Gamma
 123
 456
 Apple, Banana, Cherry
 789
 this is a single-line cell

我可以编写一个使用嵌套模式捕获那些多行单元格的模式，但我不知道如何“到达内部”以获得反向引用。

"(([^"]+)\n)+([^"]+)"

Answer 1

尝试：

$ sed '/^"/{:a; /"$/bb; N; ba; :b; s/\n//g}' file
"Alpha Beta Gamma"
 123
 456
"Apple Banana Cherry"
 789
 this is a single-line cell

How it works

• /^"/{...} 对于以"开头的任何行，将执行花括号中的命令。
• :a 这会创建一个标签a。
• /"$/bb 如果当前模式空间以"结尾，则跳转到标签b。
• N 在模式空间中读取一个新行。
• ba 分支回到标签a。
• :b 这定义了标签b。
• s/\n//g 从模式空间中删除任何换行符。

Answer 2

使用GNU awk进行多字符RS和RT：

$ awk -v RS='"[^"]+"|[^"\n]+' '$0=RT{gsub(/^\s+|\s+$|"/,""); gsub(/\n/,","); print}' file
Alpha, Beta, Gamma
123
456
Apple, Banana, Cherry
789
this is a single-line cell