列を指定してコマンドでの置換

質問

テキストファイルの１列目２列目に対して、XXXXX.Yの後の.以降の文字or数字を全てコマンドで削除して、XXXXXとしたいです。
どのような方法がありますでしょうか？
sedでは列指定はできないと思うので。

回答No.1

asciiz · ベストアンサー

＞sedでは列指定はできないと思うので。

列っていうのはどういう物でしょう?
→特定の「セパレータ」で区切られた間にあるもののことです。

なのでCSVであれば、行頭「^」から、最初のセパレータ「,」までの間が、1列目です。
その間の任意文字列を指定したいわけですが、「.*」とやると、カンマまで含んでしまいます。
そこで、カンマ以外の文字、「[^,]」が任意個「*」続いた文字列、を項目と考えます。

まとめると、
^[^.]*,
というパターンで、1列目(カンマ込み)を取り出すことができます。

今度は、置換したい部分。

「[^,]*」は、XXXXX.YYY にマッチします。
「[^,]*\.[^,]*」も、XXXXX.YYY にマッチしますが、前半はXXXXXの部分、後半はYYYの部分にマッチします。
※複数ドットがあった場合は、一般的に前の方が長くなるようにマッチします

まあ複数ドットがある場合はあとで考えるとして、削りたいのは後半部分。

マッチする前半を部分文字列に登録し、
([^,]*)\.[^,]*
置換パターンで $1 とすれば、前半のみ残せることになります。
s/([^,]*)\.[^,]*/$1/

これと最初の列指定を組み合わせれば、
s/^([^,]*)\.[^,]*,/$1,/
これで、1列目の XXXXX.YYY を XXXXX に置換できるでしょう。(1)

2列目のパターンは別にします。
s/^([^,]*),([^,]*)\.[^,]*,/$1,$2,/
1列目はそのまま持ってきて、2列目で先ほどの置換をします。(2)

2列両方を置換するには、(1)(2)の両方を記述する、となるでしょう。(回答)

--

なお、

s/([^,]*)\.[^,]*,([^,]*)\.[^,]*,/$1,$2,/

というのが考えられますが、これは良く考えてみると、1列目と2列目が両方 XXXXX.YYY 形式だった場合にのみ、置換されます。
どちらかの列にドットが含まれなければ、パターンがマッチせず、置換も起こりません。

----

…とここで一応の回答が得られましたが、上記のパターンで困るのは、「項目中にカンマが含まれる場合」です。
CSVでは、項目をダブルクォートでくくった場合は、その中のカンマはセパレータと見なさないルールですが、上記パターンはそれを無視して置換してしまいます。
場合によってはCSVデータを破壊してしまうでしょう。

カンマ区切りのCSVではなく、タブ文字(\t)区切りのTSVデータの方が、こういう処理をするのが楽です。(さすがにタブ文字は一般文字列に含まれないという前提で。)
上記パターンの「,」を「\t」に置き換えれば、TSVデータに対して適用できます。

--

あと複数のドットがある場合に前半を短くマッチさせたいならば、項目パターンとして
([^,.]*)\.[^,]*
というものが考えられます。