用sed与awk整理文件名

原文链接：http://defsniky.com/posts/2014-01-28-using-sed-and-awk-format-file-name.html

1. 需求

将文件名统一整理成如下格式：

1)文件名中只允许出现英文字母、数字以及短划线；

2)年份开头，并以短划线连接文件名，如：2014-Title of File.pdf；

3)四个字母及以上或短划线引导的单词首字母大写，出现其它符号如冒号、顿号等以空格代替。

搜集文献的时候为了尽快、更多地下载，往往不想费时间整理文件名，于是就会得到下面的结果：

根据文题及发表时间重命名后，不同的出处的文档标题格式各异，且各种符号不一而足，因而需要按照需求统一格式，下面引入 sed 与 awk 的解决方案，一行代码解决问题*_*

2. 解决方案

sed 与 awk 相关教程见此处：CoolShell>AWK 简明教程、CoolShell>sed 简明教程。由于文件名是单行文本，sed 只做单行文本的正则匹配与更改，即用到's/old/new/g;'将old替换为new，用于修改一些多余的符号包括空格、冒号等；awk 则是对输入流进行格式化处理，得到我们需求中规定的格式。

sed 部分正则替换代码如下：

sed 's/[ ]*:[ ]*/-/g;'          #冒号（包括两边空格）替换为短划线sed 's/\./=/g;'                 #将点号临时替换为=sed 's/\(.*\)=/\1./g;'          #将括号临时替换为=sed 's/[ ]*[+|?|_|,|;][ ]*/ /g;'    #特殊符号替换为空格sed 's/=/ /g;'                  #将临时=替换为空格sed 's/ \([0-9]\)/-\1/g;s/\([0-9]\) /\1-/g'  #将数字间的空格替换为短划线

awk 按照首字母大写规则进行格式化输出：

#以短划线分割 对短划线引导的单词首字母大写awk -F- '{for(i=1;i<=NF;i++){$i=tolower($i);sub(".",toupper(substr($i,1,1)),$i)}}1' OFS=-#四个字母以上单词首字母大写awk '{for(i=1;i<=NF;i++){if(length($i)>3||i==1){sub(".",toupper(substr($i,1,1)),$i)}}}1'

以pipe连接所有处理过程(gist)：

#!/bin/bash#Script name: Renamee.shmv "$1" "`basename "$1"|sed 's/[ ]*:[ ]*/-/g;s/\./=/g;s/\(.*\)=/\1./g;s/[ ]*[+|?|_|,|;][ ]*/ /g;s/=/ /g;s/ \([0-9]\)/-\1/g;s/\([0-9]\) /\1-/g'|awk -F- '{for(i=1;i<=NF;i++){$i=tolower($i);sub(".",toupper(substr($i,1,1)),$i)}}1' OFS=-|awk '{for(i=1;i<=NF;i++){if(length($i)>3||i==1){sub(".",toupper(substr($i,1,1)),$i)}}}1'`"

如需批量操作可用Mapwalk。

3. 待改进

• 以单词长度作为首字母大小写的判断仍不够智能，一些较长的介词仍会被误判而一些首字母缩写的单词（如 BOLD）则会被误杀；
• 从 PDF 中直接解析年份与文题一直悬而未解，能找到合适的方法才可以真正完全自动化；
• ...

- END -