Bash: reescrita sed ou awk da sequência numérica

Com perl:

$ echo 'v100 v201 v102 v300 v301 v500 v999 v301' |
   perl -pe 's{v\K\d+}{$seen{$&} //= ++$n}ge'
v1 v2 v3 v4 v5 v6 v7 v5

• v\d+corresponde a vseguido por um ou mais dígitos decimais. O \Kafter vredefine o início da porção correspondida, Keeps o que está à sua esquerda, o v, para que apenas a sequência de dígitos seja ssubstituída.
• o esinalizador faz com que a substituição seja tratada como código que é eavaliado para produzir a substituição. Nesse código, $&contém a parte correspondente.
• A // Bé uma forma de OR que se expande para Ase Afor definido e Bde outra forma (em contraste com A || Bque se expande para Ase Aresolve para um valor verdadeiroB e de outra forma). //=é o formulário de atribuição correspondente. Então A //= Bé curto para if (defined(A)) {A} else {A = B}.

Observe que a $seentabela de hash é indexada nos valores de string desses números, então v2 v02 v002, você obteria v1 v2 v3como 2, 02e 002são strings diferentes umas das outras. Você pode substituir $&por 0+$&para normalizar os números (010 sendo tratado como 10, não octal 8) para obter v1 v1 v1o exemplo acima. Ou você pode fazer s{v0*\K\d+}{$seen{$&} //= ++$n}gepara preservar os principais 0s e obter v1 v01 v001como resultado.

Para evitar a substituição do v1encontrado em rev1sion, por exemplo, você pode adicionar alguns operadores regexp de palavrasb -chave em ambos os lados da correspondência ( \bv\K\d+\b). Ou para substituir apenas palavras delimitadas por espaços em branco (para deixar v1.2em paz, por exemplo), adicione algumas voltas negativas para ritmos não brancos S: (?<!\S)v\K\d+(?!\S).

Usando awk:

awk '{ for (i=1; i<=NF; ++i) $i = (seen[$i] ? seen[$i] : seen[$i] = "v" ++n) }; 1'

Isso passa por todos os campos de cada linha de entrada e a reatribui. O valor que é reatribuído é vseguido pelo próximo valor do contador n, a menos que o valor do campo tenha sido visto antes, caso em que seu novo valor será o mesmo que o valor desse campo foi dado anteriormente.

O 1no final aciona a saída da linha modificada.

Teste:

$ echo 'v100 v201 v102 v300 v301 v500 v999 v301' | awk '{ for (i=1; i<=NF; ++i) $i = (seen[$i] ? seen[$i] : seen[$i] = "v" ++n) }; 1'
v1 v2 v3 v4 v5 v6 v7 v5

Comando alternativo awkque só modifica o campo se corresponder à expressão regular ^v[0-9]+$:

awk '{ for (i=1; i<=NF; ++i) if ($i ~ "^v[0-9]+$") $i = (seen[$i] ? seen[$i] : seen[$i] = "v" ++n) }; 1'

Ou formatado em várias linhas para facilitar a leitura:

awk '
{
    for (i=1; i<=NF; ++i)
        if ($i ~ "^v[0-9]+$")
            $i = (seen[$i] ? seen[$i] : seen[$i] = "v" ++n)
}; 1'

A implementação do GNU awksuporta RSser definida como uma expressão regular e registra o que correspondeu na RTvariável especial. Então, com ele, você pode fazer algo como:

$ echo 'v100 v201 v102 v300 v301 v500 v999 v301' |
   gawk -v RS='v[0-9]+' -v ORS= '
     RT {$0 = $0 "v" (RT in seen ? seen[RT] : seen[RT] = ++n)}1'
v1 v2 v3 v4 v5 v6 v7 v5

Observe que ele substitui todas as ocorrências de vseguidas por dígitos, mesmo aquelas encontradas dentro de uma palavra como in rev1.2ou rev0lution. Como na minha abordagem perl , você pode querer adaptá-la se os números puderem ser preenchidos com zeros.

Se sua entrada contiver apenas strings de "v" seguidas por dígitos, E você estiver bem com a saída separada por espaço, este script perl pode fazer o que você deseja:

$ echo 'v100 v201 v102 v300 v301 v500 v999 v301' | 
    perl -lne '
      @line = ();
      #my $i=0;
      #my %seen=();
      while (/(v\d+)/g) {
        $seen{$1} = "v" . ++$i unless ($seen{$1});
        push @line, $seen{$1}
      };
      print join(" ",@line);'
v1 v2 v3 v4 v5 v6 v7 v5

A opção do perl -nitera sobre cada linha de entrada (semelhante a um sed -nscript) e -lautomaticamente chomps as novas linhas das extremidades das linhas de entrada e as adiciona de volta às instruções de impressão.

O while (/(v\d+)/g) loop itera (e captura em $1) todas as strings correspondentes v\d+em cada linha de entrada. Se essa correspondência não foi vista antes, incremente o contador e adicione-o ao hash %seen. Então push(ou seja, adicione-o ao final) de um array chamado @line. Depois que o loop while terminar (ou seja, depois que a linha de entrada for processada), imprima o array @line com um caractere de espaço entre cada elemento.

A matriz @line é redefinida para vazia para cada linha de entrada. Se você também quiser que a numeração ( $i) e o %seenhash sejam redefinidos para cada linha de entrada, descomente as duas linhas antes da while(...)linha:

my $i=0;
my %seen=();

GNU awk apenas:

echo 'v100 v201 v102 v300 v301 v500 v999 v301' |
  awk -v RS='[[:space:]]' -F '' '
    $0 {printf "%s", $1 (A[$0]?A[$0]:A[$0]=++i) RT}'
v1 v2 v3 v4 v5 v6 v7 v5