Início / unix / Perguntas / 513702
Accepted
user9371654
Asked: 2019-04-22 11:28:50 +0800 CST

Extrair linhas que tenham dois ou mais pontos

  • 772

Preciso extrair (ou contar) as linhas (em um arquivo) que possuem dois ou mais pontos. As linhas não devem começar com um ponto (tudo bem se elas terminarem com um ponto), e não deve haver dois pontos seguidos (ou seja, os pontos são todos separados por caracteres que não sejam pontos).

Exemplo de saída:

a.b.
a.b.com
a.b.c.
a.b.c.com

Mas não:

a.com
a..b
a.b.c..d

Eu fiz este comando:

grep -P '^[^.]+\.([^.]+\.)+[.]+' file.txt | wc -l

mas não encontrou nenhuma linha correspondente. Como devo fazer isso?

grep text-processing

3 respostas

  1. Best Answer
    1. \.e [.]são equivalentes — ambos correspondem a um ponto literal e não a qualquer outro caractere. Por uma questão de estilo, escolha um e use-o de forma consistente.
    2. Seu problema é que sua expressão regular (ou seja, padrão) foi ([^.]+\.)+seguida por  [.]+. Isso é realmente (mais ou menos) equivalente a [^.]+\.seguido por  [.], com o resultado de que seu grep está procurando por linhas que contenham , ou seja, dois pontos seguidos. Se você verificar, verá que seu comando corresponde a .text.text..a.b..
    3. OK, acredito que a correção seja bastante simples: 
      grep -P '^[^.]+\.([^.]+\.)+[ ^ .] *$ '
      Ou seja, altere o [.]para [^.](talvez seja isso que você quis dizer originalmente?), altere o seguinte +para um *e adicione um $. Depois de um certo número de grupos, exija/permita qualquer número (zero ou mais) caracteres além do ponto, até o final da linha.text.
    4. Uma abordagem ainda mais simples (mais fácil de entender) seria 
      grep -P '^[^.]+\..*\.' arquivo.txt | grep -v '\.\.'
      O primeiro grepencontra linhas que começam com um caractere sem ponto e incluem pelo menos dois pontos. O segundo grepremove linhas que possuem dois pontos consecutivos.
    5. Em vez de fazer grep … | wc -l, apenas faça grep -c ….
    • 4

  2. Usando awk:

    $ cat file
.com
.c.c.c.c
a.b.
a.b.com
a.b.c.
a.b.c.com
a.com
a..b
a.b.c..d

    $ awk -F . 'NF > 2 && !/^\./ && !/\.\./' file
a.b.
a.b.com
a.b.c.
a.b.c.com

    O awkprograma aqui usa o ponto como separador de campo. Uma linha com dois ou mais pontos é o mesmo que uma linha com mais de dois campos. Isso é o que o NF > 2teste testa. A primeira expressão regular descarta as linhas que começam com um ponto e a segunda expressão regular descarta as linhas que contêm dois pontos ou mais em uma linha. As demais linhas são impressas.

    A mesma coisa com grep:

    grep '\..*\.' file | grep -v -e '^\.' -e '\.\.'

    A primeira expressão extrai linhas que contenham pelo menos dois pontos, e as duas outras excluem linhas que começam com um ponto ou contêm dois pontos consecutivos.

    Ou com sed,

    sed -n '/^\./d; /\.\./d; /\..*\./p' file
    • 1

  3. Você pode fazer isso com lookarounds, como mostrado:

    $ grep -Pc '^(?!\.)(?!.*\.\..*)(?=.*\..*\.)' file.txt

    Para ser lido como:

    • Estou parado no início da fila e olhando para a minha direita^
    • Eu vejo a linha não começar com um ponto literal(?!\.)
    • Ao olhar mais à frente em nenhum lugar vejo dois pontos literais consecutivos(?!.*\.\..*)
    • Mas eu vejo dois pontos, mas como pontos consecutivos foram descartados em minha antecipação anterior, isso significa que esses dois pontos DEVEM ser separados por pelo menos um caractere não-ponto(?=.*\..*\.)
    • QED
    • 0

relate perguntas