删除文本末尾的换行符；在Automator中运行perl脚本

Question

我正在编写一个perl脚本，它将在Automator应用程序中运行，以处理以前手动处理的文档。我需要每周做这个过程，总是与相同的垃圾数据删除。这些是rtf文件，在Mac OS X上使用另一个Automator脚本从html文件转换，以保持格式。我已经创建了一个新的快捷批处理脚本来处理rtf文件，以删除不必要的垃圾数据。

我的shell脚本是：

#!/bin/bash
# 
#    replace CR with CRLF
#     
/usr/bin/perl -CSDA -pi <<'EOF' - "$@"
s/dateformat//og;
s/text1//og;
s/text2//og;
s/text3//og;
s///og;

EOF

这就解决了99%需要做的事情。但是，最终的文件会出现多余的换行符。有没有办法让text1，text2等的替换包括删除后面的换行符？我唯一的限制是它必须能够在Automator脚本shell窗口中运行。

输入样本数据的格式如下：

Text1 Dateformat 
[Content1] 

Text2 Dateformat
[Content2]

Text3 Dateformat
[Content3]

上面的脚本生成输出：

[Content1]


[Content2]


[Content3]

所需输出的格式应为：

[Content1]

[Content2]

[Content3]

在原始文档中，内容块后有一个换行符，然后是Text1和Dateformat。

​

​

处理之后，Text1和Dateformat被删除，但正如您所看到的，现在内容块之间有两个换行符。

​

​

Answer 1

您可以将空格作为模式的一部分进行匹配和删除。\R是generic line ending，它匹配任何Unicode行结尾，包括空白换行符或回车符/换行符对。另外，看一下数据的十六进制转储，看看真正的行尾是什么。老的Mac Classic的行尾似乎出现在奇怪的地方(但\R应该处理这一点)。

\h是水平空格：

#!/bin/bash
#
#    replace CR with CRLF
#
/usr/bin/perl -CSDA -pi <<'EOF' - "$@"
s/dateformat\R//ig;
s/text1\h+//ig;
s/text2\h+//ig;
s/text3\h+//ig;
EOF

注意，我添加了不区分大小写的/i标志，因为您的模式都是小写的，但是数据大小写混合。

我还删除了no longer does anything的/o开关。

如果有什么原因你要删除DateFormat本身，你可以删除Textn后面的所有空格。\s得到垂直和水平空格：

#!/bin/bash
#
#    replace CR with CRLF
#
/usr/bin/perl -CSDA -pi <<'EOF' - "$@"
s/dateformat//ig;
s/text1\s+//ig;
s/text2\s+//ig;
s/text3\s+//ig;
EOF

如果您只想跳过这些行，您甚至不需要进行替换。无论它们是否具有DateFormat位，您都可以跳过它们。它使用-n而不是-p，所以我可以控制它什么时候输出。为了更好地衡量，我已经添加了\A字符串开始锚点：

#!/bin/sh
/usr/bin/perl -CSDA -ni -e 'print unless /\AText[123]\s+/i' "$@"

Answer 2

此脚本的作用与一个线性程序相同

use strict;
use warnings;
use feature 'say';

my $data = do { local $/; <DATA> };

$data =~ s/Text\d+\s+Dateformat\s*//g;
say $data;

__DATA__
Text1 Dateformat 
[Content1] 

Text2 Dateformat
[Content2]

Text3 Dateformat
[Content3]

输出

[Content1]

[Content2]

[Content3]

注意:将<DATA>替换为<>，以便从命令行上给定的管道或文件中读取

Answer 3

use strict;
use warnings;

use Data::Dumper;

my $record = {};
my ( $key, $val );

while ( my $row = <DATA> ) {
    chomp( $row );
    next if !$row;
    if ( $row =~ /Dateformat/ ) {
        ( $key, undef ) = split /\s+/, $row;
        print "$key\n";
    } elsif ( $row =~ /\[/ ) {
        $record->{$key} = $row;
    }  
}   
print Dumper($record);





__DATA__
Text1 Dateformat 
[Content1] 

Text2 Dateformat
[Content2]

Text3 Dateformat
[Content3]