问题标签 [text-processing]

我编写了一个 Ruby 脚本，它正在读取一个File.read()包含 unicode 字符的文件 ( )，它在命令行中运行良好。

但是，当我尝试将其放入 Automator Workflow (Mac OS X) 时，我收到此错误；

因此，当从 Automator 运行时，sp​​lit 突然不喜欢非 ASCII 字符。据我所知，两者都使用相同版本的 Ruby（版本号相同）。

我不太关心他们为什么表现不同（但如果有人知道，那就太好了），但我想要一个让 split 接受非 ASCII 字符的解决方案。

如果有帮助，我需要将单个字符的文本分成两部分，所以如果类似于 C 的标记器的东西可以工作，我可以使用它。

有人知道做术语聚类的开源\免费库吗？

谢谢，亚尼夫

我有一个文件，其中有多个包含此类数据的记录

F00DY4302B8JRQ 等级=0000030 x=800.0 y=1412.0 长度=89

现在我想搜索如果我找到 length<=50 的行，然后删除该行和文件中的下一行并写入另一个文件。

感谢大家

如何使用 PHP 按字符数将大文本文件拆分为单独的文件？因此，每 1000 个字符拆分 10,000 个字符的文件将被拆分为 10 个文件。此外，我只能在找到句号后拆分吗？

谢谢。

更新 1：我喜欢 zombats 代码，我删除了一些错误并提出了以下内容，但有谁知道如何只在句号后拆分？

更新 2：我接受了 zombats 的建议并将代码修改为下面的代码，它似乎可以工作 -

我正在尝试打开一个文本文件并使用下面的代码输出其内容。文本文件包含换行符，但是当我回显文件时，它没有格式化。我该如何解决？

谢谢。

我有一个包含文本添加和删除位置的列表，如下所示：

为了更清楚，这就是这些操作的作用：

动作的数量可以减少到：

或者：

这些操作将保存在我的数据库中，并为了优化这一点：如何减少为获得相同结果而要执行的操作数量？有比 O(n*n) 更快的方法吗？

请注意，这些操作是按时间顺序排列的，更改操作的顺序会产生另一个结果。

我有一个文件如下：

我想得到：

我可以编写一个 Ruby 脚本，但如果我不需要的话会更好。

prefix将包含/. 例如，它是一条路径/opt/workdir/。

我有一个包含三列（制表符分隔）的输入数据，如下所示：

如何使用 sed/awk 将其修改为如下所示的四列数据：

原则上，我想将原始的“mrna”字符串分成两部分。

我目前正在尝试调整存储在 MySQL 表中的值。存储的值包含一系列 Unicode 字符。我需要截断到 40 字节的存储空间，但是当我尝试时：

MySQL 非常有用，它保留了 40 个字符，而不是 40个字节。有没有办法解决这个问题？

问候和感谢，

外新

我有一个文件包含大量出现的字符串Guid="GUID HERE"（GUID HERE每次出现唯一的 GUID），我想用新的唯一 GUID 替换每个现有的 GUID。

这是在 Windows 开发机器上，所以我可以生成唯一的 GUID uuidgen.exe（每次运行时都会在 stdout 上生成一个 GUID）。我有sed和这样的可用（但awk不够奇怪）。

我基本上是想弄清楚是否可以（如果可以，如何）使用命令行程序的输出作为替换sed表达式中的替换文本，以便我可以用最少的努力进行替换部分。我不需要使用sed——如果有其他方法可以做到这一点，比如一些疯狂的vim-fu 或其他程序，那也可以——但我更喜欢使用最少的 *nix 程序集的解决方案因为我不是真的在 *nix 机器上。

需要明确的是，如果我有这样的文件：

我希望它变成这样：

当然，其中 A、B、C、D 是实际的 GUID。

（例如，我见过xargs用于类似的东西，但它在我需要运行它的机器上也不可用。如果它真的是唯一的方法，我可以安装它，虽然我宁愿不）