移動awk文件中的數據塊

我正在將我的書籤從kippt.com移動到pinboard.in。移動awk文件中的數據塊

我從Kippt導出了我的書籤，由於某種原因，它們在同一字段中存儲了標籤（前面加了＃）和說明。插件板將標記和說明分開。

這是一個Kippt書籤貌似出口後：

這是它應該看起來像導入到插件板之前什麼：

<DT><A HREF="http://www.example.org/" ADD_DATE="1412337977" LIST="Bookmarks" TAGS="tag1,tag2">This is a title</A> 
<DD>This is a description

所以基本上，我需要更換#tag1 #tag2TAGS="tag1,tag2"並在<A>的第一行上移動它。

我一直在閱讀有關搬到這裏來的數據塊：sed or awk to move one chunk of text betwen first pattern pair into second pair?

我一直沒拿出一個好的食譜至今。任何見解？

編輯：

這裏是什麼樣的輸入文件看起來像（3項總分3500）的實際例子：

<DT><A HREF="http://phabricator.org/" ADD_DATE="1412973315" LIST="Bookmarks">Phabricator</A> 
<DD>#bug #tracking 

<DT><A HREF="http://qz.com/261426/the-hidden-commands-for-diagnosing-and-improving-your-netflix-streaming-quality/" ADD_DATE="1412838293" LIST="Inbox">The hidden commands for diagnosing and improving your Netflix streaming quality – Quartz</A> 

<DT><A HREF="http://www.farmholidays.is/" ADD_DATE="1412337977" LIST="Bookmarks">Icelandic Farm Holidays | Local experts in Iceland vacations</A> 
<DD>#iceland #tour #car #drive #self Self-driving tour of Iceland

來源

2014-10-11 Sebastien Wains

是否必須使用'awk' /'sed'或者例如'python'可能嗎？ – 2014-10-11 22:04:15

它可能是Python，我開始學習。它可能是另一種語言（Ruby等），但我想學習一種我已經知道的語言:-)謝謝。 – 2014-10-11 22:17:16

在你的例子中，'

＃bug＃tracking'應該發生什麼？該行應完全刪除還是應導致'

'？ – 2014-10-11 22:26:20

這可能不是最漂亮的解決方案，但因爲它似乎做一次性事情就足夠了。

import re 
dt = re.compile('^<DT>') 
dd = re.compile('^<DD>') 


with open('bookmarks.xml', 'r') as f: 
    for line in f: 
     if re.match(dt, line): 
      current_dt = line.strip() 
     elif re.match(dd, line): 
      current_dd = line 
      tags = [w for w in line[4:].split(' ') if w.startswith('#')] 
      current_dt = re.sub('(<A[^>]+)>', '\\1 TAGS="' + ','.join([t[1:] for t in tags]) + '">', current_dt) 
      for t in tags: 
       current_dd = current_dd.replace(t + ' ', '') 
      if current_dd.strip() == '<DD>': 
       current_dd = "" 
     else: 
      print current_dt 
      print current_dd 
      current_dt = "" 
      current_dd = "" 

    print current_dt 
    print current_dd

如果代碼的某些部分不清楚，請告訴我。您當然可以使用python將行寫入文件而不是打印它們，甚至可以修改原始文件。

編輯：添加if子句，以便空的<DD>行不會顯示在結果中。

來源

2014-10-11 22:46:06

謝謝Tim！它沒有開箱即用，因爲我的文件中存在一些角落案例（如標籤前的描述，DD缺失），但在某些sed操作之後，我設法得到一個正確的文件，用Python腳本處理一些小修改。 – 2014-10-12 14:25:54

script.awk

BEGIN{FS="#"} 

/^<DT>/{ 
    if(d==1) print "<DT>"s # for printing lines with no tags 
    s=substr($0,5);tags="" # Copying the line after "<DT>". You'll know why 
    d=1 
} 

/^<DD>/{ 
    d=0 
    m=match(s,/>/) # Find the end of the HREF descritor first match of ">" 
    for(i=2;i<=NF;i++){sub(/ $/,"",$i);tags=tags","$i} # Concatenate tags 
    td=match(tags,/ /) # Parse for tag description (marked by a preceding space). 
    if(td==0){ # No description exists 
     tags=substr(tags,2) 
     tagdes="" 
    } 
    else{ # Description exists 
     tagdes=substr(tags,td) 
     tags=substr(tags,2,td-2) 
    } 
    print "<DT>" substr(s,1,m-1) ", TAGS=\"" tags "\"" substr(s,m) 
    print "<DD>" tagdes 
}

awk -f script.awk kippt > pinboard

INPUT

<DT><A HREF="http://phabricator.org/" ADD_DATE="1412973315" LIST="Bookmarks">Phabricator</A> 
<DD>#bug #tracking 

<DT><A HREF="http://qz.com/261426/the-hidden-commands-for-diagnosing-and-improving-your-netflix-streaming-quality/" ADD_DATE="1412838293" LIST="Inbox">The hidden commands for diagnosing and improving your Netflix streaming quality – Quartz</A> 

<DT><A HREF="http://www.farmholidays.is/" ADD_DATE="1412337977" LIST="Bookmarks">Icelandic Farm Holidays | Local experts in Iceland vacations</A> 
<DD>#iceland #tour #car #drive #self Self-driving tour of Iceland

OUTPUT：

<DT><A HREF="http://phabricator.org/" ADD_DATE="1412973315" LIST="Bookmarks", TAGS="bug,tracking">Phabricator</A> 
<DD> 
<DT><A HREF="http://qz.com/261426/the-hidden-commands-for-diagnosing-and-improving-your-netflix-streaming-quality/" ADD_DATE="1412838293" LIST="Inbox">The hidden commands for diagnosing and improving your Netflix streaming quality – Quartz</A> 
<DT><A HREF="http://www.farmholidays.is/" ADD_DATE="1412337977" LIST="Bookmarks", TAGS="iceland,tour,car,drive,self">Icelandic Farm Holidays | Local experts in Iceland vacations</A> 
<DD> Self-driving tour of Iceland

來源

2014-10-13 11:25:27 WYSIWYG

移動awk文件中的數據塊

回答

相關問題