使用 sed 查找带有通配符的字符串，然后用相同的通配符替换
Using sed to find a string with wildcards and then replacing with same wildcards
所以我正在尝试使用 sed 删除新行，因为这是我能想到的唯一方法。我完全是自学的，所以可能有一种我不知道的更有效的方法。
我要搜索的字符串是\HF=-[0-9]（换行符）。问题是它正在搜索的数据可能看起来像（注意：此数据中有实际的换行符，我认为这是导致问题的原因）
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=10=]\# mp2/cc-
pVDZ\Squish3_Slide0\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.,-1.
3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.6974
,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,0.\H
,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,0.,1
.3948,3.\C,0,0.,-1.3948,3.\C,0,1.2079,0.6974,3.\C,0,-1.2079,0.6974,3.\
C,0,-1.2079,-0.6974,3.\C,0,1.2079,-0.6974,3.\H,0,0.,2.4822,3.\H,0,2.14
97,1.2411,3.\H,0,-2.1497,1.2411,3.\H,0,-2.1497,-1.2411,3.\H,0,2.1497,-
1.2411,3.\H,0,0.,-2.4822,3.\Version=ES64L-G09RevD.01\State=1-AG\HF=-4
61.3998608\MP2=-463.0005321\RMSD=3.490e-09\PG=D02H [SG"(C4H4),X(C8H8)]
\@
或
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=11=]\# mp2/cc-
pVDZ\Squish3.1_Slide0\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.,-
1.3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.69
74,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,0.
\H,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,0.
,1.3948,3.1\C,0,0.,-1.3948,3.1\C,0,1.2079,0.6974,3.1\C,0,-1.2079,0.697
4,3.1\C,0,-1.2079,-0.6974,3.1\C,0,1.2079,-0.6974,3.1\H,0,0.,2.4822,3.1
\H,0,2.1497,1.2411,3.1\H,0,-2.1497,1.2411,3.1\H,0,-2.1497,-1.2411,3.1\
H,0,2.1497,-1.2411,3.1\H,0,0.,-2.4822,3.1\Version=ES64L-G09RevD.01\St
ate=1-AG\HF=-461.4104442\MP2=-463.0062587\RMSD=3.651e-09\PG=D02H [SG"(
C4H4),X(C8H8)]\@
或
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=12=]\# mp2/cc-
pVDZ\Squish3.3_Slide1.7\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.
,-1.3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.
6974,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,
0.\H,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,
0.,-0.3052,3.3\C,0,0.,-3.0948,3.3\C,0,1.2079,-1.0026,3.3\C,0,-1.2079,-
1.0026,3.3\C,0,-1.2079,-2.3974,3.3\C,0,1.2079,-2.3974,3.3\H,0,0.,0.782
2,3.3\H,0,2.1497,-0.4589,3.3\H,0,-2.1497,-0.4589,3.3\H,0,-2.1497,-2.94
11,3.3\H,0,2.1497,-2.9411,3.3\H,0,0.,-4.1822,3.3\Version=ES64L-G09Rev
D.01\State=1-AG\HF=-461.436061\MP2=-463.0177441\RMSD=7.859e-09\PG=C02H
[SGH(C4H4),X(C8H8)]\@
或
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=13=]\# mp2/cc-
pVDZ\Squish3.6_Slide0.9\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.
,-1.3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.
6974,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,
0.\H,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,
0.,0.4948,3.6\C,0,0.,-2.2948,3.6\C,0,1.2079,-0.2026,3.6\C,0,-1.2079,-0
.2026,3.6\C,0,-1.2079,-1.5974,3.6\C,0,1.2079,-1.5974,3.6\H,0,0.,1.5822
,3.6\H,0,2.1497,0.3411,3.6\H,0,-2.1497,0.3411,3.6\H,0,-2.1497,-2.1411,
3.6\H,0,2.1497,-2.1411,3.6\H,0,0.,-3.3822,3.6\Version=ES64L-G09RevD.0
1\State=1-AG\HF=-461.4376969\MP2=-463.0163868\RMSD=7.263e-09\PG=C02H [
SGH(C4H4),X(C8H8)]\@
基本上我要找的数字可以根据字符数在任何时候分成两行。我需要去掉分隔数字的换行符，以便我可以将整个值提取到一个单独的文件中。 （我对提取到新文件没有任何问题，因此它不包含在代码中）
目前我正在使用这个代码
sed -i ':a;N;$!ba;s/HF=-*[0-9]*\n/HF=-*[0-9]*/g' $i &&
这几乎有效，期望它不会用相同的值替换通配符值。它用实际文本 [0-9] 代替，并不总是删除换行符。
重要的是输出文件中有实际的新行字符，如果不弄乱我从该输出文件中提取的其他 30 行，就无法更改它。
我想要的是摆脱找到该字符串时出现的换行符，而不管 - 符号和换行符之间有多少位数字。
所以预期的输出会像
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=15=]\# mp2/cc-
pVDZ\Squish3_Slide0\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.,-1.
3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.6974
,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,0.\H
,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,0.,1
.3948,3.\C,0,0.,-1.3948,3.\C,0,1.2079,0.6974,3.\C,0,-1.2079,0.6974,3.\
C,0,-1.2079,-0.6974,3.\C,0,1.2079,-0.6974,3.\H,0,0.,2.4822,3.\H,0,2.14
97,1.2411,3.\H,0,-2.1497,1.2411,3.\H,0,-2.1497,-1.2411,3.\H,0,2.1497,-
1.2411,3.\H,0,0.,-2.4822,3.\Version=ES64L-G09RevD.01\State=1-AG\HF=-461.3998608\MP2=-463.0005321\RMSD=3.490e-09\PG=D02H [SG"(C4H4),X(C8H8)]
\@
这些文件比较大，这行代码执行了1500多次，效率越高越好。
此脚本中的所有其他内容都使用了 grep、awk、sed 和基本 UNIX 命令的组合。
编辑
尝试后
sed -i -E ':a;N;$!ba;s/(\HF=-?[.0-9]*)\n//' $i &&
我仍然没有运气摆脱那些讨厌的换行符。
如果它对答案有任何影响，这里是导致问题的一行代码的其余部分
echo name HF MP2 mpdiff | cat > allE
for i in *.out
do echo name HF MP2 mpdiff | cat > $i.allE
grep "Slide" $i | cut -d "\" -f2 | cat | tr -d '\n' > $i.name &&
grep "EUMP2" $i | cut -d "=" -f3 | cut -c 1-25 | tr '\n' ' ' | tr -s ' ' >> $i.mp &&
grep "EUMP2" $i | cut -d "=" -f2 | cut -c 1-25 | tr '\n' ' ' | tr -s ' ' >> $i.mpdiff &&
sed -i -E ':a;N;$!ba;s/(\HF=-?[.0-9]*)\n//' $i &&
grep '\HF' $i | awk -F 'HF' '{print substr(,2,14)}' | tr '\n' ' ' >> $i.hf &&
paste $i.name >> $i.energies &&
sed -i 's/ /0 /g' $i.hf &&
sed -i 's/\/0/g' $i.hf &&
sed -i 's/[A-Z]/0/g' $i.hf &&
paste $i.hf >> $i.energies &&
sed -i 's/[ABCEFGHIJKLMNOPQRSTUVWXYZ]//g' $i.mp &&
paste $i.mp >> $i.energies &&
sed -i 's/[ABCEFGHIJKLMNOPQRSTUVWXYZ]//g' $i.mpdiff &&
paste $i.mpdiff >> $i.energies &&
transpose $i.energies >> $i.allE #temp.txt &&
#cat temp.txt > $i.energies
#echo $i is finished
done
echo see allE for energies
#rm *.energies #temp.txt
rm *.name
rm *.mp
rm *.hf
rm *.mpdiff
这是解决当前尝试的方法。
sed -E ':a;N;$!ba;s/(\HF=-?[.0-9]*)\n//'
如果要对文件本身进行更改，请添加 i 标志，添加 && 将作业发送到后台，等等。需要 -E 标志，因为反向引用（见下文）是扩展正则表达式的一部分。
我做了以下更改：我将 -* 更改为 -?，因为最多应该有一个破折号（如果我理解正确的话，那实际上是一个减号，而不是破折号） .我在括号表达式中添加了句点，这样小数点也会匹配。 （请注意，在括号表达式中，点是常规字符）。我将除换行符外的所有内容都包裹在括号中 - 使其成为 子表达式 ，您可以使用反向引用来引用它 - 这就是我在替换部分所做的。
但有几点注意事项 - 即使整个数字都在一行的末尾，但后面没有结尾 \，这也会加入行。如果实际上整个数字在一行，但结束 \ 在下一行，您可以稍微更改 sed 命令，让它们保持不变。另一方面，这确实 not 处理这样的情况，例如，一行以 \H 结尾而下一行以 F=304.222\ 开头 你只提到了 "split number" 在你的问题陈述中；但是，您不应该也处理这样的情况吗？换行符拆分了 \HF=...\ 标记，只是不在标记的 "number" 部分？
您的输入行似乎以 space 开头。我在这个解决方案中忽略了它们。
sed -rz 's/(AG\HF=-[0-9]*)\n//g' "$i"
所以我正在尝试使用 sed 删除新行，因为这是我能想到的唯一方法。我完全是自学的，所以可能有一种我不知道的更有效的方法。
我要搜索的字符串是\HF=-[0-9]（换行符）。问题是它正在搜索的数据可能看起来像（注意：此数据中有实际的换行符，我认为这是导致问题的原因）
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=10=]\# mp2/cc-
pVDZ\Squish3_Slide0\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.,-1.
3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.6974
,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,0.\H
,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,0.,1
.3948,3.\C,0,0.,-1.3948,3.\C,0,1.2079,0.6974,3.\C,0,-1.2079,0.6974,3.\
C,0,-1.2079,-0.6974,3.\C,0,1.2079,-0.6974,3.\H,0,0.,2.4822,3.\H,0,2.14
97,1.2411,3.\H,0,-2.1497,1.2411,3.\H,0,-2.1497,-1.2411,3.\H,0,2.1497,-
1.2411,3.\H,0,0.,-2.4822,3.\Version=ES64L-G09RevD.01\State=1-AG\HF=-4
61.3998608\MP2=-463.0005321\RMSD=3.490e-09\PG=D02H [SG"(C4H4),X(C8H8)]
\@
或
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=11=]\# mp2/cc-
pVDZ\Squish3.1_Slide0\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.,-
1.3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.69
74,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,0.
\H,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,0.
,1.3948,3.1\C,0,0.,-1.3948,3.1\C,0,1.2079,0.6974,3.1\C,0,-1.2079,0.697
4,3.1\C,0,-1.2079,-0.6974,3.1\C,0,1.2079,-0.6974,3.1\H,0,0.,2.4822,3.1
\H,0,2.1497,1.2411,3.1\H,0,-2.1497,1.2411,3.1\H,0,-2.1497,-1.2411,3.1\
H,0,2.1497,-1.2411,3.1\H,0,0.,-2.4822,3.1\Version=ES64L-G09RevD.01\St
ate=1-AG\HF=-461.4104442\MP2=-463.0062587\RMSD=3.651e-09\PG=D02H [SG"(
C4H4),X(C8H8)]\@
或
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=12=]\# mp2/cc-
pVDZ\Squish3.3_Slide1.7\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.
,-1.3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.
6974,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,
0.\H,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,
0.,-0.3052,3.3\C,0,0.,-3.0948,3.3\C,0,1.2079,-1.0026,3.3\C,0,-1.2079,-
1.0026,3.3\C,0,-1.2079,-2.3974,3.3\C,0,1.2079,-2.3974,3.3\H,0,0.,0.782
2,3.3\H,0,2.1497,-0.4589,3.3\H,0,-2.1497,-0.4589,3.3\H,0,-2.1497,-2.94
11,3.3\H,0,2.1497,-2.9411,3.3\H,0,0.,-4.1822,3.3\Version=ES64L-G09Rev
D.01\State=1-AG\HF=-461.436061\MP2=-463.0177441\RMSD=7.859e-09\PG=C02H
[SGH(C4H4),X(C8H8)]\@
或
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=13=]\# mp2/cc-
pVDZ\Squish3.6_Slide0.9\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.
,-1.3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.
6974,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,
0.\H,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,
0.,0.4948,3.6\C,0,0.,-2.2948,3.6\C,0,1.2079,-0.2026,3.6\C,0,-1.2079,-0
.2026,3.6\C,0,-1.2079,-1.5974,3.6\C,0,1.2079,-1.5974,3.6\H,0,0.,1.5822
,3.6\H,0,2.1497,0.3411,3.6\H,0,-2.1497,0.3411,3.6\H,0,-2.1497,-2.1411,
3.6\H,0,2.1497,-2.1411,3.6\H,0,0.,-3.3822,3.6\Version=ES64L-G09RevD.0
1\State=1-AG\HF=-461.4376969\MP2=-463.0163868\RMSD=7.263e-09\PG=C02H [
SGH(C4H4),X(C8H8)]\@
基本上我要找的数字可以根据字符数在任何时候分成两行。我需要去掉分隔数字的换行符，以便我可以将整个值提取到一个单独的文件中。 （我对提取到新文件没有任何问题，因此它不包含在代码中）
目前我正在使用这个代码
sed -i ':a;N;$!ba;s/HF=-*[0-9]*\n/HF=-*[0-9]*/g' $i &&
这几乎有效，期望它不会用相同的值替换通配符值。它用实际文本 [0-9] 代替，并不总是删除换行符。
重要的是输出文件中有实际的新行字符，如果不弄乱我从该输出文件中提取的其他 30 行，就无法更改它。
我想要的是摆脱找到该字符串时出现的换行符，而不管 - 符号和换行符之间有多少位数字。
所以预期的输出会像
1\GINC-N076\SP\RMP2-FC\CC-pVDZ\C12H12\R2536-Apr-2020[=15=]\# mp2/cc-
pVDZ\Squish3_Slide0\0,1\H,0,0.,2.4822,0.\C,0,0.,1.3948,0.\C,0,0.,-1.
3948,0.\C,0,1.2079,0.6974,0.\C,0,-1.2079,0.6974,0.\C,0,-1.2079,-0.6974
,0.\C,0,1.2079,-0.6974,0.\H,0,2.1497,1.2411,0.\H,0,-2.1497,1.2411,0.\H
,0,-2.1497,-1.2411,0.\H,0,2.1497,-1.2411,0.\H,0,0.,-2.4822,0.\C,0,0.,1
.3948,3.\C,0,0.,-1.3948,3.\C,0,1.2079,0.6974,3.\C,0,-1.2079,0.6974,3.\
C,0,-1.2079,-0.6974,3.\C,0,1.2079,-0.6974,3.\H,0,0.,2.4822,3.\H,0,2.14
97,1.2411,3.\H,0,-2.1497,1.2411,3.\H,0,-2.1497,-1.2411,3.\H,0,2.1497,-
1.2411,3.\H,0,0.,-2.4822,3.\Version=ES64L-G09RevD.01\State=1-AG\HF=-461.3998608\MP2=-463.0005321\RMSD=3.490e-09\PG=D02H [SG"(C4H4),X(C8H8)]
\@
这些文件比较大，这行代码执行了1500多次，效率越高越好。
此脚本中的所有其他内容都使用了 grep、awk、sed 和基本 UNIX 命令的组合。
编辑 尝试后
sed -i -E ':a;N;$!ba;s/(\HF=-?[.0-9]*)\n//' $i &&
我仍然没有运气摆脱那些讨厌的换行符。
如果它对答案有任何影响，这里是导致问题的一行代码的其余部分
echo name HF MP2 mpdiff | cat > allE
for i in *.out
do echo name HF MP2 mpdiff | cat > $i.allE
grep "Slide" $i | cut -d "\" -f2 | cat | tr -d '\n' > $i.name &&
grep "EUMP2" $i | cut -d "=" -f3 | cut -c 1-25 | tr '\n' ' ' | tr -s ' ' >> $i.mp &&
grep "EUMP2" $i | cut -d "=" -f2 | cut -c 1-25 | tr '\n' ' ' | tr -s ' ' >> $i.mpdiff &&
sed -i -E ':a;N;$!ba;s/(\HF=-?[.0-9]*)\n//' $i &&
grep '\HF' $i | awk -F 'HF' '{print substr(,2,14)}' | tr '\n' ' ' >> $i.hf &&
paste $i.name >> $i.energies &&
sed -i 's/ /0 /g' $i.hf &&
sed -i 's/\/0/g' $i.hf &&
sed -i 's/[A-Z]/0/g' $i.hf &&
paste $i.hf >> $i.energies &&
sed -i 's/[ABCEFGHIJKLMNOPQRSTUVWXYZ]//g' $i.mp &&
paste $i.mp >> $i.energies &&
sed -i 's/[ABCEFGHIJKLMNOPQRSTUVWXYZ]//g' $i.mpdiff &&
paste $i.mpdiff >> $i.energies &&
transpose $i.energies >> $i.allE #temp.txt &&
#cat temp.txt > $i.energies
#echo $i is finished
done
echo see allE for energies
#rm *.energies #temp.txt
rm *.name
rm *.mp
rm *.hf
rm *.mpdiff
这是解决当前尝试的方法。
sed -E ':a;N;$!ba;s/(\HF=-?[.0-9]*)\n//'
如果要对文件本身进行更改，请添加 i 标志，添加 && 将作业发送到后台，等等。需要 -E 标志，因为反向引用（见下文）是扩展正则表达式的一部分。
我做了以下更改：我将 -* 更改为 -?，因为最多应该有一个破折号（如果我理解正确的话，那实际上是一个减号，而不是破折号） .我在括号表达式中添加了句点，这样小数点也会匹配。 （请注意，在括号表达式中，点是常规字符）。我将除换行符外的所有内容都包裹在括号中 - 使其成为 子表达式 ，您可以使用反向引用来引用它 - 这就是我在替换部分所做的。
但有几点注意事项 - 即使整个数字都在一行的末尾，但后面没有结尾 \，这也会加入行。如果实际上整个数字在一行，但结束 \ 在下一行，您可以稍微更改 sed 命令，让它们保持不变。另一方面，这确实 not 处理这样的情况，例如，一行以 \H 结尾而下一行以 F=304.222\ 开头 你只提到了 "split number" 在你的问题陈述中；但是，您不应该也处理这样的情况吗？换行符拆分了 \HF=...\ 标记，只是不在标记的 "number" 部分？
您的输入行似乎以 space 开头。我在这个解决方案中忽略了它们。
sed -rz 's/(AG\HF=-[0-9]*)\n//g' "$i"