如何用sed或awk合并带相同后缀标记的连续单词？

嘿，刚接触sed和awk的话，这个需求用Awk来实现会更直观好懂，毕竟它天生擅长处理这种需要状态跟踪的文本逻辑。我给你一步步拆解思路和代码：

核心思路 #

我们需要逐词遍历每行内容：

• 记录上一个单词的后缀和已经拼接的单词内容
• 遇到和上一个后缀相同的单词，就把单词本体（去掉后缀）拼接到当前组里
• 遇到不同后缀的单词，先输出之前拼接好的组，再切换到新的后缀组继续处理
• 最后别忘了处理每行末尾的最后一组内容

具体Awk代码 #

awk '{
    # 初始化变量：保存上一组的单词和后缀
    prev_word = ""
    prev_suffix = ""
    # 遍历当前行的每个单词（NF是当前行的字段数）
    for (i=1; i<=NF; i++) {
        # 用/分割当前单词，拆分出单词本体和后缀
        split($i, parts, "/")
        current_word = parts[1]
        current_suffix = "/" parts[2]
        
        if (current_suffix == prev_suffix) {
            # 后缀相同，拼接单词本体
            prev_word = prev_word current_word
        } else {
            # 后缀不同，先输出之前的组（如果不是第一组的话）
            if (prev_word != "") {
                printf "%s%s ", prev_word, prev_suffix
            }
            # 更新为当前的单词和后缀
            prev_word = current_word
            prev_suffix = current_suffix
        }
    }
    # 输出最后一组内容，换行
    if (prev_word != "") {
        printf "%s%s\n", prev_word, prev_suffix
    }
}' your_input_file.txt

代码解释 #

• split($i, parts, "/")：把每个带后缀的单词（比如A/n）拆成parts[1] = "A"和parts[2] = "n"
• 循环遍历每行的每个字段（单词），通过对比current_suffix和prev_suffix来决定是拼接还是输出
• printf用来控制输出格式，避免多余的空格

测试示例 #

假设你的输入行是：

A/n B/v C/n D/n E/w F/v G/v H/v

运行代码后输出会是：

A/n B/v CD/n E/w FGH/v

关于Sed的说明 #

Sed虽然也能处理文本，但它更擅长基于模式的替换，处理这种需要持续跟踪状态（比如记住上一个后缀）的逻辑会非常复杂，写出来的代码可读性很差，所以更推荐你用上面的Awk方案，新手更容易理解和调试～

内容的提问来源于stack exchange，提问作者Peng He