lyrically wicked's questions

Quero fazer o seguinte:

1. Encontre um conjunto específico de arquivos com o findcomando;
2. Para qualquer arquivo encontrado, coloque a saída correspondente da -printfopção em uma variável chamada stre passe-a para o Gawk (e não imprima/use essa saída em nenhum outro lugar);
3. Execute um programa Gawk para o arquivo correspondente. O conteúdo da strvariável correspondente deve estar disponível no programa.

Por exemplo, eu tenho o diretório chamado /d/ir. Ele contém dois arquivos, file1.txte file2.txt. Os arquivos estão na codificação UTF-8. O arquivo cujo nome é file1.txtcontém as duas linhas de texto a seguir:

A
BC 

O tamanho do arquivo é 4 bytes.

O arquivo cujo nome é file2.txtcontém as três linhas de texto a seguir:

D
EF
GHI

O tamanho do arquivo é 8 bytes.

Quero imprimir todas essas linhas, anexando o conteúdo correspondente de str(nome do arquivo, tamanho do arquivo) a cada linha. Portanto, a saída esperada é

A;d/ir/file1.txt,4
BC;d/ir/file1.txt,4
D;d/ir/file2.txt,8
EF;d/ir/file2.txt,8
GHI;d/ir/file2.txt,8

Tentei o seguinte comando:

LC_ALL=en_US.utf8; find "/d/ir" -name "file*.txt" -type f -printf "%p,%s" -execdir gawk -v str="$7" '{
print($0 ";" str)
}' "{}" \+

(Aqui eu esperava que $7, sendo um parâmetro posicional , se referisse a "%p,%s") Mas ele não imprime a saída esperada: ele mostra duas saídas de -printf(o que eu não quero que aconteça), depois cinco linhas sem os dados necessários de str.

Qual é o comando correto que resolve o problema? Observe que não quero que as saídas da -printfopção sejam mostradas/impressas fora do contexto do Gawk: quero apenas passá-las para o Gawk para que somente o programa Gawk saiba como usá-las. Se o programa Gawk não as usar, elas não devem ser mostradas em lugar nenhum.

Como o comando será usado para muitos arquivos, a maximização do desempenho e a minimização do consumo de memória são importantes.

Dadas duas strings (denotadas por A e B ) e um conjunto N de strings, preciso escrever uma expressão regular para testar se uma determinada string de entrada W contém uma substring S , onde S é qualquer substring que satisfaça todas as três condições a seguir: 1. começa com A ; 2. termina com B ; 3. qualquer elemento de N não ocorre na parte entre A e B (esta parte não se sobrepõe a A e B ).

Por exemplo, eu escolhi "ab"como A , "bc"como B , ["a", "cb", "cd"]como N . Se "ec"for a parte interna, então "abecbc"é a string que satisfaz todas as três condições: se W contiver tal substring, a regex deve retornar true. Minha primeira variante é a seguinte regex:

var T = /(?=ab.*bc)(?=(?!ab.*a.*bc))(?=(?!ab.*cb.*bc))(?=(?!ab.*cd.*bc))/;  

Eu escolhi W = S = "abecbc". Esta regex funciona como esperado:

T.test("abecbc");
// true

Mas estou interessado no seguinte problema: como escrever uma regex funcionalmente equivalente sem usar o lookahead positivo (?=) como o operador AND ?

Então minha segunda variante é a seguinte:

var R = /ab(?!.*?(?:a|cb|cd).*)bc/;

Mas R.test("abecbc")avalia para false. Então vamos dividir Rem três partes:

/ab(.*)/.test("abecbc")

retorna true. Então

/(.*)bc/.test("abecbc")

retorna true.

A parte interna (ou seja, a parte entre "ab"e "bc") é "ec". E

/(?!.*?(?:a|cb|cd).*)/.test("ec")

retorna true, o que é esperado. Então deve haver três verdades, e não há mais partes em R. Então por que

/ab(?!.*?(?:a|cb|cd).*)bc/.test("abecbc")

avaliar para false? E como escrever uma regex correta que resolva o problema descrito no primeiro parágrafo do post sem usar o lookahead positivo (?=) como o operador AND ?

EDITAR

Minha pergunta não é uma duplicata desta pergunta : preciso de uma explicação de por que o regex específico ( R) retorna falseem vez de true. Outra diferença é que não preciso testar se a parte interna contém uma string especificada.