Início / computer / Perguntas / 1703029
Accepted
kelalaka
Asked: 2022-02-04 11:53:39 +0800 CST

Existe um limite para um comprimento de linha para o comando grep processar corretamente?

  • 772

Enquanto estou verificando os resultados da minha implementação do biostar para pesquisar primos em um arquivo fasta, vi um resultado estranho. Eu originalmente um arquivo de 70 colunas e o converti em um arquivo que possui 6077828 caracteres em uma única linha.

Quando eu usei o comando grep

grep -o -P -b -n CAATCGCCGT fasta.txt

Ele exibe duas correspondências que não são exibidas na minha implementação do Biostar.

3:3206721:CAATCGCCGT
3:4140348:CAATCGCCGT

Procurei a cartilha com Kate no arquivo original e não encontrei. É possível que a cartilha se espalhe em duas linhas devido à divisão de 70 colunas do texto.

Então eu os converti em números de linha e coluna com div e mod

  • 3206572 representa a linha 45808 e a coluna 12
  • 4140199 representa a linha 59145 e a coluna 49

A cartilha, no entanto, não estava lá.

Existe um limite para a linha máxima que o grep pode processar? Em caso afirmativo, quando o limite excede, os resultados são confiáveis ​​até o tamanho limite?

  • Meu arquivo de exemplo pode ser acessado no github
  • An, o arquivo de uma linha lá também.
ubuntu grep

1 respostas

  1. Best Answer

    No geral

    A especificação POSIX degrep afirma que

    ARQUIVOS DE ENTRADA
    Os arquivos de entrada devem ser arquivos de texto.

    Isso significa grepque deve lidar com arquivos de texto de forma confiável ( "deverá" significa "comportamento obrigatório" ). Arquivos que não são arquivos de texto podem ou não ser manipulados de forma confiável, o comportamento não é especificado.

    Um "arquivo de texto" aqui significa [ênfase minha]:

    Um arquivo que contém caracteres organizados em zero ou mais linhas. As linhas não contêm caracteres NUL e nenhuma pode exceder {LINE_MAX}bytes de comprimento, incluindo o caractere <newline>. Embora o POSIX.1-2017 não faça distinção entre arquivos de texto e arquivos binários (consulte o padrão ISO C), muitos utilitários só produzem resultados previsíveis ou significativos ao operar em arquivos de texto. Os utilitários padrão que têm essas restrições sempre especificam "arquivos de texto" em suas seções STDIN ou INPUT FILES.

    {LINE_MAX}é explicado aqui :

    {LINE_MAX}
    Salvo indicação em contrário, o comprimento máximo, em bytes, da linha de entrada de um utilitário (entrada padrão ou outro arquivo), quando o utilitário é descrito como processamento de arquivos de texto. O comprimento inclui espaço para a <nova linha> à direita.
    Valor Mínimo Aceitável:{_POSIX2_LINE_MAX}

    {_POSIX2_LINE_MAX}
    Salvo indicação em contrário, o comprimento máximo, em bytes, da linha de entrada de um utilitário (entrada padrão ou outro arquivo), quando o utilitário é descrito como processamento de arquivos de texto. O comprimento inclui espaço para a <nova linha> à direita.
    Valor: 2048

    Tudo isso significa que uma implementação de greppode manipular incorretamente linhas mais longas do que {LINE_MAX}para o sistema fornecido e ainda pode ser chamada de "portátil". {LINE_MAX}pode ser tão baixo quanto 2048.

    Tenha em mente que não é como se alguém tivesse criado a especificação e os mantenedores de diferentes implementações greplutassem para se conformar. É o contrário: as principais implementações existentes foram examinadas, o conjunto comum de recursos encontrado e documentado. Pode ser algum necessário para recuperar um pouco. Alguns podem ser muito mais poderosos; e alguns podem ter sido considerados não importantes desde o início, menos capazes por qualquer motivo, com motivos para não alcançá-los.

    De uma forma ou de outra, você pode esperar que seja grepfornecido com um sistema operacional orientado para POSIX (como Linux) e especialmente com um sistema operacional certificado para POSIX (como macOS) para lidar de forma confiável com linhas de até 2048 bytes de comprimento que não contêm caracteres NUL. Se greppuder lidar com linhas mais longas, trate-o como um bônus.

    A resposta geral para "existe um limite para o comprimento da linha?" é: sim, pode haver, depende da implementação; mas se houver um limite, deve ser de pelo menos 2048 bytes. O comportamento para linhas mais longas não é especificado.

    Em particular

    Você marcou . Ubuntu vem com GNU grep. GNU grep afirma isso :

    Embora grepespere fazer a correspondência no texto, ele não tem limites no comprimento da linha de entrada além da memória disponível e pode corresponder a caracteres arbitrários em uma linha.

    • 3

relate perguntas