Considere a seguinte linha (como em um índice):
6.1.34.2 Some text
(há uma tabulação depois do "2").
Ao pesquisar, ^\d\+[.]\d\+[.]\d\+[^.]a linha é selecionada (e colorida de "6" a "4"), o que, na minha humilde opinião, não está correto devido ao último ponto no caso de teste.
Com ^\d\+[.]\d\+[.]\d\+\sa linha não selecionada (como esperado).
Minha pergunta é: o que há de errado com a primeira regex?
Estou tentando descobrir um comando/script awk para extrair um bloco de texto de um arquivo grande. A subseção do arquivo em que estou interessado é esta:
Board Info: #512
Manufacturer: "Dell Inc."
Product: "0X3D66"
Version: "A02"
Serial: "..CN7016343F00IE."
Chassis Info: #768
As linhas Board Info e Chassis Info têm 2 espaços à esquerda, enquanto o bloco recuado tem 4. Eu gostaria de não presumir que a linha final começa com Chassis Info (pode ser outra coisa) e apenas confiar em chegar à próxima linha começando com 2 espaços.
Esse:
awk '/^\s{2}Board Info/,/^\s{2}[^B ]/' dump.txt
resolve esta instância específica, mas não funcionará se, em vez de 'Informações do chassi', a linha do bloco final começar com a letra B (por exemplo, BOM).
Se eu usar:
awk '/^\s{2}Board Info/,/^\s{2}\S*/' dump.txt
O padrão final também corresponde à linha "Informações do Quadro", então eu obtenho apenas essa linha. Como obtenho esse bloco recuado (4 espaços à esquerda) sem codificar o bloco final (como acima) e depender do padrão final ser "a próxima linha que começa com exatamente 2 espaços à esquerda"?
Tenho lutado para obter uma regex que possa capturar dados extraídos de um arquivo PDF não tão limpo:
Cada linha deve conter 1. ID da escola (5 dígitos), 2. nome da escola, 3. número da inscrição, 4. outro número (=número da oferta)
Uma linha limpa se parece com "10394 ABC School 50 34" e pode ser capturada usando ([0-9]{5})\s{2,}(\D+)\s+(\d*)\s+(\d*). Um caso normal se parece com https://regex101.com/r/Mwv3bJ/1 , ignore o lookbehind negativo.
O problema com o qual tenho dificuldade é que algumas escolas têm um código postal parcial (1 ou 2 letras do alfabeto seguido de 1 ou 2 dígitos, como W19 ou SW2) no nome , então "10422 XYZ College W9 60 33" será capturado como (id: 10422)(escola: XYZ College W)(inscrições: 9)(ofertas: 60). https://regex101.com/r/YeNmT7/1
Quero que o (3:application#) não capture nenhum dígito imediatamente precedido por um alfabeto e, se tal \D{1,2}\d{1,2} existir no nome, seja capturado por (2:nome da escola). Tentei um grupo sem captura (?:^\D{1,2}\d{1,2}$) para me livrar de qualquer CEP em potencial, mas não funcionou.
Exemplos:
Por favor, avise.
Estou procurando uma função regex que corresponda exatamente a essas variantes de "SA..." (SAC, SAD, SAE, SAP, SAW, SAAC, SAAN, SAAS, SABE, SABW ), mas sem diferenciar maiúsculas de minúsculas.
O problema é que pode haver um ou mais separadores (espaço, barra invertida /, ponto, hífen -) entre cada caractere de cada palavra, por exemplo, "S /AC", "SA.P", "S / AB W".
Acabei com o padrão abaixo; sim, funciona, mas é feio e muito longo!
Existe um melhor e mais compacto?
Option Explicit
Option Compare Text
Function MatchSAWord(ByVal inputText As String) As Boolean
Dim regex As Object
Set regex = CreateObject("VBScript.RegExp")
Dim sep As String, pat As String
sep = "[ .\/-]*"
pat = "\b(" & _
"S" & sep & "A" & sep & "C" & "|" & _
"S" & sep & "A" & sep & "D" & "|" & _
"S" & sep & "A" & sep & "E" & "|" & _
"S" & sep & "A" & sep & "P" & "|" & _
"S" & sep & "A" & sep & "W" & "|" & _
"S" & sep & "A" & sep & "A" & sep & "C" & "|" & _
"S" & sep & "A" & sep & "A" & sep & "N" & "|" & _
"S" & sep & "A" & sep & "A" & sep & "S" & "|" & _
"S" & sep & "A" & sep & "B" & sep & "E" & "|" & _
"S" & sep & "A" & sep & "B" & sep & "W" & _
")\b"
With regex
.Global = False
.IgnoreCase = True
.pattern = pat
End With
MatchSAWord = regex.Test(inputText)
End Function
Estou despejando a saída do mkfs no arquivo de log, mas ele exibe seu processo interativamente, imprimindo backspaces para retornar o cursor, depois imprime espaços para apagar, depois faz backspaces novamente e imprime uma nova mensagem.
No log, parece uma bagunça. Aqui está o que eu descobri para compactar um conjunto de BSs em um único espaço
# echo -e "AAABBB\x08\x08\x08\x08\x08\x08CCC" | sed -e 's/\(\x08\)\1\+/\1/g' -e 's/\(\x08\)/x/'
AAABBBxCCC
Mas existe uma maneira melhor de condensar sequências de BSs + espaços + BSs... em um único caractere de espaço usando regex? Eu consigo escrever o binário fazendo isso, mas, na minha opinião, isso é exagero...
Um exemplo de entrada seria
# echo -e "123\x08\x08\x08 \x08\x08\x08456 789"
converter para
123 456 789
Atualização: no início, eu disse que a saída é feita pelo mkfs. Deixe-me mostrar o exemplo para que você veja o conjunto de caracteres.
mke2fs 1.47.0 (5-Feb-2023)
fs_types for mke2fs.conf resolution: 'ext4'
Discarding device blocks: 0/16463361572864/1646336 done
Filesystem label=data_volume
OS type: Linux
Block size=4096 (log=2)
Fragment size=4096 (log=2)
Stride=0 blocks, Stripe width=0 blocks
412080 inodes, 1646336 blocks
82316 blocks (5.00%) reserved for the super user
First data block=0
Maximum filesystem blocks=1686110208
51 block groups
32768 blocks per group, 32768 fragments per group
8080 inodes per group
Filesystem UUID: c27f71c7-2d9e-4a33-9d54-449ab3e2f378
Superblock backups stored on blocks:
32768, 98304, 163840, 229376, 294912, 819200, 884736, 1605632
Allocating group tables: 0/51 done
Writing inode tables: 0/51 done
Creating journal (16384 blocks): done
Writing superblocks and filesystem accounting information: 0/51 done
Os backspaces não são exibidos na janela acima (eles foram removidos após copiar e colar).
Por exemplo, tenho algum texto
aaa foo
bbb foo
ccc foo?
ddd foo
eee foo?
...
Quero pesquisar todos os foos sem um ?, como nas linhas 1, 2 e 4 do texto acima. Como posso fazer isso?
Gostaria de perguntar sobre como extrair strings específicas de um arquivo usando sed e expressões regulares.
Abaixo está o exemplo do arquivo de texto de entrada (testfile.txt):
# This file contains a short description of the columns in the
# meta-analysis summary file, named '/some/output/directory/result.txt'
# (Skipping some comment lines...)
# Input for this meta-analysis was stored in the files:
# --> Input File 1 : /some/input/directory/cohort1/dataset1_chrAll.regenie.txt
# --> Input File 2 : /some/input/directory/cohort2/subdir1/chrAll-out.txt
# --> Input File 3 : /some/input/directory/cohort2/subdir2/chrAll-out_ver2.txt
# --> Input File 4 : /some/input/directory/cohort3/resfile.txt
# --> Input File 5 : /some/input/directory/cohort4/regenie_res_chrAll.txt
Deste arquivo, gostaria de extrair a lista de nomes de arquivos de entrada, então o resultado deve ser algo como:
/some/input/directory/cohort1/dataset1_chrAll.regenie.txt
/some/input/directory/cohort2/subdir1/chrAll-out.txt
/some/input/directory/cohort2/subdir2/chrAll-out_ver2.txt
/some/input/directory/cohort3/resfile.txt
/some/input/directory/cohort4/regenie_res_chrAll.txt
Veja abaixo o que eu tentei:
Este é o comando inicial que usei.
cat testfile.txt | sed -e 's/\/some\/input\/directory\/([A-z0-9\/\.\-]*)\.txt/$1/g'
Resultado:
sed: -e expression #1, char 55: Invalid range end
Depois de alguma pesquisa, tentei escapar dos parênteses usando barras invertidas.
cat testfile.txt | sed -e 's/\/some\/input\/directory\/\([A-z0-9\/\.\-]*\).txt/$1/g'
Resultado:
sed: -e expression #1, char 56: Invalid range end
Então isso não resolveu o problema.
Também tentei escapar dos colchetes.
cat testfile.txt | sed -e 's/\/some\/input\/directory\/\(\[A-z0-9\/\.\-\]\*\)\.txt/$1/g'
Resultado:
# This file contains a short description of the columns in the
# meta-analysis summary file, named '/some/output/directory/result.txt'
# (Skipping some comment lines...)
# Input for this meta-analysis was stored in the files:
# --> Input File 1 : /some/input/directory/cohort1/dataset1_chrAll.regenie.txt
# --> Input File 2 : /some/input/directory/cohort2/subdir1/chrAll-out.txt
# --> Input File 3 : /some/input/directory/cohort2/subdir2/chrAll-out_ver2.txt
# --> Input File 4 : /some/input/directory/cohort3/resfile.txt
# --> Input File 5 : /some/input/directory/cohort4/regenie_res_chrAll.txt
Isso não gerou um erro, mas não era isso que eu queria.
Por fim, tentei adicionar a opção -r sem escapar parênteses ou colchetes.
cat testfile.txt | sed -re 's/\/some\/input\/directory\/([A-z0-9\/\.\-]*)\.txt/$1/g'
Resultado:
sed: -e expression #1, char 55: Invalid range end
Apareceu a mesma mensagem de erro na primeira tentativa.
Gostaria de perguntar quais são os problemas nas minhas linhas de comando e se há alguma solução possível para isso.
Obrigado.
No caso abaixo, onde um pai deve ser extraído de uma string por meio de uma expressão regular
input_string = "02150 ESPOO"
input_string[pattern]
Dois resultados muito diferentes surgem quer a patternexpressão regular seja delimitada (começando e terminando) /^\d{5}$/ou não/\d{5}/
Eu obtenho o resultado desejado no último caso, enquanto o primeiro retorna nil. Por que o regex bookened falha?
Quero criar uma regex que corresponda a todos os caracteres sem escape $em strings que representam uma regex.
Nesse caso, um caractere não é escapado se ele contiver um número igual de barras invertidas atrás dele (cada par de barras invertidas representa o próprio caractere de barra invertida e, portanto, o próximo caractere não é escapado).
Eu criei este padrão:
(?<!\\)(\\{2})*\$
Explicação: embora isso também corresponda às barras invertidas que precedem o $, essa é a solução mais próxima que cheguei. Isso garante um número igual de barras invertidas antes de a $que não é precedido por outra barra invertida, resultando em um número ímpar de barras invertidas.
Meu problema é que parece que preciso de 2 grupos consecutivos não consumidores para tornar o número total de barras invertidas par, mas isso não é possível. Existe outra maneira de fazer isso?
Como posso usar uma expressão regular localizar/substituir para quebrar em novas linhas para nunca ter mais de 20 símbolos por linha?
Eu encontrei isto:
Find: \s(?<=.{20})
Replace: $0\r\n
Seria perfeito, mas deixa palavras na linha maiores que 20 símbolos se elas começaram antes de 20 símbolos.
Preciso de uma expressão semelhante, mas se o último item torna a linha maior, ele também deve ir para a nova linha, então a linha final sempre terá <20 símbolos.
Eu sei que já fiz isso há muito tempo, talvez com algum plugin, mas não consigo fazer funcionar agora. Como posso fazer isso?