Bash:連続する空白文字によって作られたテキストデータを整形したい

下記のような条件でテキストデータを整形したいです。どのような手段なら可能でしょうか？

#条件
*それぞれの列は連続した空白によって区切られる
*各列の先頭（までの文字数）は揃っている
*列と列の間の空白数は一定ではない
*列数はあらかじめ分かっている
*各列の開始文字位置はあらかじめ分かっていない
*一列目に文字が現れてから次に一列目に文字が現れるまで、同じ列の文字を一塊にまとめる（例と出力参照）

#例（□は空白）
あいう□□□□□かきく□□□□□□□□□□
□□□□□□□□けこさ□□□□□□□□□□なにぬ
□□□□□□□□□□□□□□□□□□□□□ねの
たちつ□□□□□まみむ□□□□□□□□□□
□□□□□□□□めも□□□□□□□□□□□らりる
てと□□□□□□□□□□□□□□□□□□□れろ

#期待する出力
あいう\tかきくけこさ\tなにぬねの
たちつ\tまみむめも\tらりる
てと\t\tれろ

KojiDoi

2021/10/14 08:33

bashでないと駄目なんですか？ perlなら割と簡単だと思うんですが。

pwq

2021/10/14 10:51

perlでも大丈夫です！

行動規範の内容に同意します

回答1件

ベストアンサー

要は、

各行を列幅固定で列に分割。
列データの前後に桁合わせのために入っている空白は除去。
第1列目に空白しか含まれていない行については、各列のデータを全行のデータにそれぞれマージする。

ということだと理解しました。

シェルスクリプトでもcutとかsedとか駆使すれば出来るかもしれませんが、こういう処理はperlが一番効率的でしょう。

test.txt

あいう□□□□□かきく□□□□□□□□□□
□□□□□□□□けこさ□□□□□□□□□□なにぬ
□□□□□□□□□□□□□□□□□□□□□ねの
たちつ□□□□□まみむ□□□□□□□□□□
□□□□□□□□めも□□□□□□□□□□□らりる
てと□□□□□□□□□□□□□□□□□□□れろ

test.pl

my $spc='□'; # チェックの便宜上「四角記号」を空白と見做して処理する
my @data;
while(<>){
  chomp;
  my(@f) = /(.{8})(.{13})(.*)/; # 列幅固定でデータ分割して取り込み
  map {s/^${spc}*//; s/${spc}*$//;} @f; # 各列の頭とお尻の空白を削除
  if($f[0]=~/^${spc}*$/){ # 先頭列に空白しか含まれていない→直前行のデータにマージ
    for(my $i=0; $i<=$#{$data[-1]}; $i++){
      $data[-1][$i] .= $f[$i];
    }
  }else{ #先頭列に空白以外あり→新しい行を追加
    push(@data, \@f);
  }
}

# 出力
map {print join("\t", @$_), "\n"} @data;

コマンドラインで以下のように実行。