用超过10个单词分隔行/句子，其中第一个逗号出现

Question

我有下面的代码，每10个单词将行分开。

    #!/bin/bash

while read line
do
counter=1;
    for word in $line
    do
        echo -n $word" ";
    if (($counter % 10 == 0))
      then
        echo "";
    fi
    let counter=counter+1;
    done
done < input.txt

问题是，分裂点是第十个单词。相反，我希望分裂点成为第一个逗号字符(只适用于超过10个单词的句子)。

示例：

line1:测试行中的短语，我想拆分它，但我不知道如何拆分。

至

line1:测试行中的短语，line2:我想拆分它，但我不知道如何拆分。

如果没有找到逗号字符，则只需返回该行即可。

谢谢!

编辑：或解决方案可以工作。

Answer 1

一种更好的方法是使用awk并测试15个或更多的单词，如果是这样的话，只需用",\n"代替", "。

awk 'NF >= 15 {sub (", ", ",\n")}1' file

示例使用/输出

有了file中的输入，您就可以获得：

$ awk 'NF >= 15 {sub (", ", ",\n")}1' file
phrase from a test line,
which I want to split, and I don't know how.

(如果您有大量的行，awk将比shell循环快数量级)

Answer 2

我不确定你是想为10单词还是15单词而分裂。

只需将10替换为15，以防您正在处理15单词。

awk -v OFS=, 'NF > 10{ sub(/, */, ",\n", $0); print }' input.txt

或者更清楚地说：

#! /bin/bash

awk -v OFS=, 'NF > 10{

    # enter this block iff words > 10

    # replace first occurence of , and additional space,
    # if any, with newline
    sub(/, */, ",\n", $0)
    print

}' input.txt

Answer 3

下面是一个简单的解决方案，用于检查字符串中的单词数。如果一个字符串中的单词数超过10个，那么它将被拆分：

output = []
s = 'phrase from a test line, which I want to split, and I dont know how'
while len (s.split()) > 10:
    first_sent,s = s.split(',',1)
    output.append(first_sent)
output.append(s)