使用sed删除嵌入的换行符

Question

什么sed脚本将删除" \n“字符，但仅当它在"”字符(分隔字符串)内，而不是实际位于(虚拟)行末尾的\n？例如，我想要将此文件

"lalala","lalalslalsa"
"lalalala","lkjasjdf
asdfasfd"
"lalala","dasdf"

(第2行中嵌入了一个\n )

"lalala","lalalslalsa"
"lalalala","lkjasjdf \\n asdfasfd"
"lalala","dasdf"

(第2行和第3行现在连接在一起，实际的换行符替换为字符串\n (或任何其他容易发现的字符串，我不挑剔))

我不想像上一个问题那样删除所有其他换行符，也不想删除所有换行符，只删除引号内的那些行。我并不执着于sed，如果awk可以工作，那也没问题。

正在操作的文件太大，无法一次性装入内存。

Answer 1

对于单行上的简单替换，sed是一个优秀的工具，但对于其他任何事情，您都应该使用awk。例如：

$ cat tst.awk
{
    if (/"$/) {
        print prev $0
        prev = ""
    }
    else {
        prev = prev $0 " \\\\n "
    }
}

$ awk -f tst.awk file
"lalala","lalalslalsa"
"lalalala","lkjasjdf \\n asdfasfd"
"lalala","dasdf"

下面是我最初的答案，但在看到@NeronLeVelu在行尾测试引用的方法后，我意识到我正在以一种太复杂的方式来做这件事。您只需将下面的gsub(/"/,"&") % 2替换为/"$/，它仍然可以工作，但上面的代码是相同功能的一个更简单的实现，并且现在可以处理嵌入的转义双引号，只要它们不在行尾。

$ cat tst.awk
{ $0 = saved $0; saved="" }
gsub(/"/,"&") % 2 { saved = $0 " \\\\n "; next }
{ print }

$ awk -f tst.awk file
"lalala","lalalslalsa"
"lalalala","lkjasjdf \\n asdfasfd"
"lalala","dasdf"

上面的命令一次只在内存中存储一条输出行。当输出行中的双引号数量为奇数时，它只是从输入行构建一个输出行，然后在最终包含偶数个双引号时打印输出行。

如果您可以在引用的字符串中使用双引号将其转义为\"，而不是""，但您没有在发布的示例输入中显示这一点，那么它将失败，因此希望您不会遇到这种情况。如果您遇到这种情况，则需要编写/使用真正的CSV解析器。

Answer 2

sed -n ':load
/"$/ !{N
      b load
      }
:cycle
s/^\(\([^"]*"[^"]*"\)*\)\([^"]*"[^"]*\)\n/\1\3 \\\\n /
t cycle
p' YourFile

• 将行加载到工作缓冲区中，直到找到结束行(以"结束)或结束到达
• 将任何\n之后的任何\n打开/关闭"后面的任何字符替换为新行的转义版本(实际上，将起始字符串+\n替换为开始字符串和转义的新行)F218如果发生任何替换，请重试另一个替换(D11和result
• continue "

F218

感谢@Ed Morton对转义新行的评论