Início / unix / Perguntas / 449039
Accepted
Adrian Maire
Asked: 2018-06-11 23:41:51 +0800 CST

Pesquisando correspondência de regex de várias linhas em arquivos (sem pcregrep)

  • 772

Pergunta:

Como posso encontrar correspondências de uma expressão regular de várias linhas em arquivos, sem pcregrep?

Preciso encontrar/imprimir a posição de cada ocorrência.

Infelizmente, o pcregrep não está presente e não tenho direitos para instalá-lo. Outras alternativas são grep perl sed pythonetc.

Um exemplo de expressão regular para pesquisar é:

Text\nLine

Contexto:

Um script fornece centenas de MB de texto estruturado em algumas dezenas de arquivos, mas infelizmente algumas linhas estão faltando (por vários motivos). Eu preciso verificar onde essas linhas estão faltando, procurando assim a sequência das linhas anteriores e seguintes.

Text
Missing //this line is sometimes missing.
Line

EDITADO:

Possível entrada

exemplo.txt

Text
Missing
Line

Text
Missing
Line

Text
Line

Text
Missing
Line

Saída possível:

exemplo.txt, linha 10

Algumas das tentativas sem sucesso:

pcregrep 
    # command not found
apt-get install pcregrep 
    # no permission, no su credentials, distro don't provide pcregrep, outdated sources, customer does not want changes on the serve, etc.
sed -r 's#(Text\nLine)#\1#' ./* 
    # print all lines, not only matches, no indication of file or line, etc.
grep 'Text\nLine' ./* 
    # Does not works on multi-lines
sed -n '/Text/,/Line/{p}' ./* 
    # Not the same regex, does not indicate result lines, etc.
text-processing regular-expression

3 respostas

  1. Best Answer

    As ferramentas Unix geralmente são orientadas a linhas e, portanto, não há como aplicar uma expressão regular em várias linhas de entrada usando a caixa de ferramentas padrão.

    sedpode ser feito para processar o arquivo de forma que seja capaz de detectar as linhas que você está procurando, mas fazemos isso estritamente usando operações em linhas individuais:

    $ sed -n '/^Text/{N;/^Text\nLine/=;D;}' file
10

    Este sedscript procura a string Textno início de uma linha. Quando encontrado, ele anexa a próxima linha ao seu buffer com um \nintermediário.

    Se o buffer agora corresponder ^Text\nLine, o número da linha atual será gerado usando o =comando em sed. O número da linha de saída é o da Linelinha no arquivo.

    Observe que, embora a segunda expressão regular pareça corresponder a uma nova linha no arquivo, ela não corresponde. Ele corresponde a uma nova linha em seu buffer interno, que colocamos lá usando o Ncomando quando lemos a próxima linha do arquivo.

    Você provavelmente usaria isso em um loop se desejasse aplicá-lo a vários arquivos:

    for name in pattern; do
    printf 'Processing %s...\n' "$name"
    sed -n '/^Text/{N;/^Text\nLine/=;D;}' "$name"
done

    onde patternseria um padrão de globbing de nome de arquivo comum que corresponda aos arquivos em que você está interessado.

    • 2

  2. Se vimestiver instalado, você pode usá-lo no exmodo como:

    vim -e -s -c 'argdo g/^Text\nLine/#' -c q ./*.txt

    Veja também o zcomando para dar contexto.

    vim -e -s -c 'argdo g/^Text\nLine/z#.5' -c q ./*.txt

    Isso não imprime os nomes dos arquivos. Uma abordagem não muito eficiente perlpoderia ser:

    perl -l -0777 -ne 'while (/Text\nLine/g) {
   print "$ARGV, line " . ++(() = $` =~ /\n/g)}' ./*.txt
    • 1 
  3.  perl -ne 'eof and $. = 0 or /^Text/ && ($_ .= <>) =~ /^Line/m && print "$ARGV: $.\n"' ./*

    Isso imprimirá o nome do arquivo junto com o número da linha onde ocorreu a correspondência.

    Além disso, o contador de linha ($.) é redefinido ao atingir o fim de cada arquivo.

    • 0

relate perguntas