如何在Linux中使用sed将文本文件分割为不少于10个字符的块且不拆分单词？

我来帮你搞定这个sed命令的问题！你的需求是每累计10个字符后找到最近的空格，把它替换成|，不过你之前写的命令在语法和逻辑上都有点问题，我来一步步拆解解决。

先说说你原命令的问题 #

你写的sed -E -e 's/ /|/\( *?[0-9a-zA-Z]*\)\{10,\}' new.file有几个明显的错误：

• 语法结构颠倒：sed的替换命令格式是s/匹配规则/替换内容/，你把替换内容（/ /|/）和匹配规则（后面的正则）写反了
• 正则逻辑不对：你的正则没有贴合“累计10个字符后找最近空格”的需求，而且*?非贪婪匹配在很多sed版本里不支持（比如非GNU的sed基本都不兼容）
• 缺少循环处理：sed默认只会执行一次替换，而你需要多次替换直到行内没有符合条件的空格为止

正确的sed命令 #

这里给你一个可以实现需求的命令，同时适配大多数sed版本：

sed -E ':loop s/^([^|]{10,}[^ ]) /\1|/; t loop' new.file

命令详解 #

让我拆解一下每个部分的作用：

• -E：启用扩展正则表达式，这样我们不用对括号()和量词{}做转义，写起来更简洁
• :loop：定义一个循环标签，用于重复执行替换操作
• s/^([^|]{10,}[^ ]) /\1|/：核心替换规则
  • ^：从当前行的起始位置（或者上次替换后的有效起始位置）开始匹配
  • ([^|]{10,}[^ ])：捕获组，用来保留我们需要的内容：
    • [^|]{10,}：匹配至少10个不是|的字符（因为已经替换过的部分用|分隔，这样我们就不会重复处理已经分隔好的内容）
    • [^ ]：再匹配一个非空格字符，确保我们找到的空格是在至少10个字符之后的第一个空格（也就是最近的那个空格）
  • 最后匹配的 （空格）就是我们要替换的目标，把它换成|，同时保留捕获组里的内容\1
• t loop：如果上一次替换操作成功执行了，就跳转到loop标签继续循环，直到没有符合条件的空格可以替换为止

验证示例 #

用你给出的输入测试：

输入：Hello there! How are you? I am trying to figure this out.

执行命令后得到的输出和你的预期完全一致：

输出：Hello there!|How are you?|I am trying|to figure this|out.

内容的提问来源于stack exchange，提问作者Yuldash Yusupov