如何將 CR 分隔的字元串拆分為多行並將 id 附加到每個新行？

我有一個文件，其中的行由內部輸入符分區，如下所示：

EMP|123|10 **\r**資訊|約翰|史密斯|M|01/12/1980 **\r**地址|125|BRIDGE RD|哥倫布|OH
EMP|456|10 **\r**資訊|大衛|PIRT|M|02/12/1980 **\r**地址|257|BRIDGE RD|哥倫布|OH
EMP|789|10 **\r**資訊|JENN|MCKENZI|F|03/12/1980 **\r**地址|389|BRIDGE RD|哥倫布|OH

請注意，CR 之間的行部分進一步由|字元分隔。

我想在 CR 字元處將每一行分成單獨的行。然後每個新行（即，通過用換行符替換 CR 形成的行）應該|從原始行的 Id（第二個分隔欄位）開始。

預期輸出：

EMP|123|10
123|INFO|JOHN|SMITH|M|01/12/1980
123|ADDR|125|BRIDGE RD|COLUMBUS|OH
EMP|456|10
456|INFO|DAVID|PIRT|M|02/12/1980
456|ADDR|257|BRIDGE RD|COLUMBUS|OH
EMP|789|10
789|INFO|JENN|MCKENZI|F|03/12/1980
789|ADDR|389|BRIDGE RD|COLUMBUS|OH

Id 是重複的，因此我們可以知道輸出中的每組三行屬於同一（一個）輸入行。

我嘗試了以下命令，但它只用換行符替換了 CR；我不確定如何將 Id 附加到新行

tr '\r' '\n' < test.txt > new.txt

輸出：

EMP|123|10
INFO|JOHN|SMITH|M|01/12/1980
ADDR|125|BRIDGE RD|COLUMBUS|OH
EMP|456|10
INFO|DAVID|PIRT|M|02/12/1980
ADDR|257|BRIDGE RD|COLUMBUS|OH
EMP|789|10
INFO|JENN|MCKENZI|F|03/12/1980
ADDR|389|BRIDGE RD|COLUMBUS|OH

我怎樣才能做到這一點？

怎麼樣

$ awk -F '\r' '{
 print $1; 
 split($1,a,"|"); 
 for(i=2;i<=NF;i++) print a[2] "|" $i;
}' file
EMP|123|10
123|INFO|JOHN|SMITH|M|01/12/1980
123|ADDR|125|BRIDGE RD|COLUMBUS|OH
EMP|456|10
456|INFO|DAVID|PIRT|M|02/12/1980
456|ADDR|257|BRIDGE RD|COLUMBUS|OH
EMP|789|10
789|INFO|JENN|MCKENZI|F|03/12/1980
789|ADDR|389|BRIDGE RD|COLUMBUS|OH

在 sed 中：

sed ':loop; s/^\([^|]*|\)\([^|]*|\)\([^\r]*\)\r/\1\2\3\n\2/; t loop'

這是一個（有點）簡單的替換：匹配一個由所有字元組成的模式（即直到並包括）\r緩衝區中的第一個字元。將其分為三個擷取組：

• 所有通過（即直到並包括）|緩衝區中的第一個。這將EMP|適用於文件中的每一行。
• 之後的所有內容，通過（即直到並包括）|緩衝區中的下一個（即第二個）。這將是123|， 456| 或 789| 在您的文件中。
• 之後的所有內容，直到（但不包括）\r緩衝區中的第一個。

然後它將上面替換為

• 三個擷取組（\1\2\3）；即，直到（但不包括）\r緩衝區中的第一個，
• 換行符，和
• 第二個擷取組（\2）；即 id 和 |.

然後緩衝區的其餘部分（緩衝區中第一個之後\r的所有內容）保留在原位，因此它落在新創建的行上重複的 id 之後。

然後，如果上面的 match 和ssubstitute成功（tis test and goto if success），回去再試一次。

對初學者來說可能不明顯的一個方面是，即使我們使用s替換命令 將換行符\n插入緩衝區 ，從而創建了一個新行，仍然在整個緩衝區上執行（包括內部/嵌入的換行符）字元）而不僅僅是“換行符”（即換行符之後的部分）。所以， 讀第一行，sed``sed

EMP|123|10\rINFO|JOHN|SMITH|M|01/12/1980\rADDR|125|BRIDGE RD|COLUMBUS|OH

進入緩衝區。s第一次執行命令後，緩衝區包含

EMP|123|10
123|INFO|JOHN|SMITH|M|01/12/1980\rADDR|125|BRIDGE RD|COLUMBUS|OH

所以s命令的下一次迭代匹配

• \1 = EMP|,
• \2= 123|, 和
• \3= 10 123|INFO|JOHN|SMITH|M|01/12/1980 （包括在第一次迭代中插入的換行符）。

警告：如果輸入行中\r的第二個之前有 a，這可能會造成混亂 。|

引用自：https://unix.stackexchange.com/questions/524106