如何用grep和sed提取含连字符ISBN的文本数据行？

解决带连字符ISBN的提取问题 #

方案1：改进现有grep+sed命令

调整grep的正则规则，让它支持数字间插入连字符的ISBN格式，确保匹配的是完整的13位数字（含分隔连字符）：

grep -oP "(?<!\d)\d(?:-?\d){12}(?!\d)" SourceDataFile.txt | sed -e "s/^[ \t]*//" | sed "s/\t/|/g" > Temp.csv

规则说明：

• (?<!\d)：避免从长数字串里截取部分内容，确保ISBN开头前不是数字
• \d(?:-?\d){12}：匹配1个起始数字，后面跟着12组「可选连字符+数字」，刚好凑够13位有效数字，连字符可出现在任意数字之间
• (?!\d)：确保ISBN结尾后不是数字，避免匹配不完整的ISBN片段

方案2：更简洁的awk单命令

用awk一步完成匹配、去前导空白、制表符替换，无需多管道串联：

awk '{
    while(match($0, /(?<!\d)\d(?:-?\d){12}(?!\d)/, arr)) {
        isbn = arr[0]
        gsub(/^[ \t]+/, "", isbn)
        gsub(/\t/, "|", isbn)
        print isbn
        $0 = substr($0, RSTART + RLENGTH)
    }
}' SourceDataFile.txt > Temp.csv

简化版（如果每行最多1个ISBN）：

awk '/(?<!\d)\d(?:-?\d){12}(?!\d)/ {
    isbn = gensub(/.*(?<!\d)(\d(?:-?\d){12})(?!\d).*/, "\\1", 1)
    gsub(/^[ \t]+/, "", isbn)
    gsub(/\t/, "|", isbn)
    print isbn
}' SourceDataFile.txt > Temp.csv

内容的提问来源于stack exchange，提问作者Donald Alexandre