将包含多个单词的单行拆分为多行，每行包含 x 个单词

Question

我有一个很大的文本文件，其中只有 1 行。它看起来像这样：

blaalibababla.ru text text text text what's the weather like tooday? blaazzabla.zu some_text blabewdwefla.au it is important not to be afraid of sed blabkrlqbla.ru wjenfkn lkwnef lkwnefl blarthrthbla.net 1234 e12edq 42wsdfg blablabla.com this should finally end

我需要一种方法让它看起来像这样：

blaalibababla.ru text text text text what's the weather like tooday?
blaazzabla.zu some_text
blabewdwefla.au it is important not to be afraid of sed
blabkrlqbla.ru wjenfkn lkwnef lkwnefl
blarthrthbla.net 1234 e12edq 42wsdfg 
blablabla.com this should finally end

我知道如何使用单个域名和 sed:

sed -i 's/blablabla.ru/\n&/g' file.txt

"But not with the additional text afterwards." - 这不是我的意思。

如果sed不是最好的方法，请告诉我。

更新：这是我的文本文件：

wsd.qwd.qwd.kjqnwk.ru PUPPETD CRITICAL 2017-01-13 00:09:52   lor notify-by-sms FILE_AGE CRITICAL:   /var/lib/puppet/state/state.yaml is 2438046 seconds old and 19459 bytes   zm-goas-04.asdg.net LOAD CRITICAL 2017-01-13 00:10:32   tech-lor notify-by-telegram CRITICAL - load average: 42.91,   49.91, 53.88   glas07.kvm.ext.asdg.ru PUPPETD CRITICAL 2017-01-13 00:28:02   lor notify-by-sms FILE_AGE CRITICAL:   /var/lib/puppet/state/state.yaml is 19821 seconds old and 26337 bytes

我需要它看起来像：

wsd.qwd.qwd.kjqnwk.ru PUPPETD CRITICAL 2017-01-13 00:09:52   lor notify-by-sms FILE_AGE CRITICAL:   /var/lib/puppet/state/state.yaml is 2438046 seconds old and 19459 bytes   
zm-goas-04.asdg.net LOAD CRITICAL 2017-01-13 00:10:32   tech-lor notify-by-telegram CRITICAL - load average: 42.91,   49.91, 53.88   
glas07.kvm.ext.asdg.ru PUPPETD CRITICAL 2017-01-13 00:28:02   lor notify-by-sms FILE_AGE CRITICAL:   /var/lib/puppet/state/state.yaml is 19821 seconds old and 26337 bytes

Answer 1

使用 xargs 一次处理 n 条记录的更简单方法，在您的情况下只是 2

xargs -n2 <file
blablabla.ru some_text
blablabla.zu some_text
blablabla.au some_text
blablabla.ru some_text
blablabla.net some_text
blablabla.com some_text

根据 man xargs 页面的 -n 标志所在的位置，

-n max-args, --max-args=max-args
      Use at most max-args arguments per command line.  Fewer than max-args arguments 
      will be used if the size (see the -s option) is exceeded, unless the
      -x option is given, in which case xargs will exit.

要替换回原始文件，请执行

xargs -n2 <file >tmpfile; mv tmpfile file

Answer 2

Awk:

$ awk 'gsub(/([^ ]+ ){2}/,"&\n")' file
blablabla.ru some_text 
blablabla.zu some_text 
blablabla.au some_text 
blablabla.ru some_text 
blablabla.net some_text 
blablabla.com some_text

解释：

每两次重复 [^ ]+（非 space 和 space 的字符串）替换为自身 (&) 和换行符 \n。如果最后有剩余（即 non-match），它不会被打印（除非你用 {}1 包裹 gsub(...)）。

Answer 3

尝试按此模式拆分：([-a-z0-9]+\.[a-z]+){1,} 域名。

使用 GNU sed：

sed -r 's/ +(([-a-z0-9]+\.[a-z]){1,}) */\n/g' file

请注意，任何匹配 space 后跟 [-a-z0-9]、. 和 [a-z] 字符的字符串都将作为域名处理。

将包含多个单词的单行拆分为多行，每行包含 x 个单词

Split single line with multiple words into many lines with x words on each

bash

split

sed

xargs