Início / unix / Perguntas / 758329
Accepted
Rafiq
Asked: 2023-10-07 11:13:05 +0800 CST

Substituindo qualquer string fechada <> por um sinal $ no início da mesma string em um arquivo de texto

  • 772

Tenho alguns arquivos que residem em um sistema Linux, contendo alguns espaços reservados como este arquivo abaixo:

teste.txt:

This is a line with <VARIABLE1>@<VARIABLE2>.
This is a line with <VARIABLE3>.
This is a line with <VARIABLE_UNKNOWN>.
This is another line contains a<b.

Quero alterar este arquivo mostrando como abaixo:

This is a test line with $VARIABLE1@$VARIABLE2.
This is a test line with $VARIABLE3.
This is a test line with $VARIABLE_UNKNOWN.
This is another line contains a<b.

Observe que todas essas variáveis ​​fechadas <>contêm apenas letras maiúsculas, dígitos e sublinhados.

Eu poderia ter usado o seguinte método, mas a<bse tornou a$b.

file_contents=$(<$file_path)
file_contents=${file_contents//</$}
file_contents=$(echo "$file_contents" | tr -d '>')
echo "$file_contents" > test.txt

Estou tentando evitar um sedcomando complexo que se torna muito difícil de depurar. Como posso conseguir isso?

text-processing

4 respostas

  1. Se o problema puder ser declarado como "Desejo converter todas as strings incluídas < >e consistindo em apenas uma ou mais letras maiúsculas, dígitos e sublinhados entre < >si, mas com um $em vez de < >", então você pode fazer o seguinte:

    $ perl -pe 's/<([A-Z\d_]+)>/\$$1/g' file 
This is a line with $VARIABLE1@$VARIABLE2.
This is a line with $VARIABLE3.
This is a line with $VARIABLE_UNKNOWN.
This is another line contains a<b.

    O -pemeio significa "ler o arquivo de entrada linha por linha, aplicar o script fornecido -ee imprimir cada linha". Em seguida, usamos o operador de substituição ( s/OLD/NEW/) com o gsinalizador para substituir todas as ocorrências na linha. Por fim, a regex procura <seguida por uma ou mais (o +que significa uma ou mais) letras ASCII maiúsculas ( A-Z), dígitos decimais ASCII¹ ( \d) ou sublinhados ( _) terminando com >. Agora, como o padrão está entre parênteses ( ([A-Z\d_]+)), nós o "capturamos" e podemos nos referir a ele como $1na substituição. Portanto, substituímos o que correspondemos por a $(que precisa ser escapado como \$) e, em seguida, o que correspondeu: \$$1.

    ¹ pelo menos enquanto a $PERL_UNICODEvariável de ambiente não estiver definida, caso em que poderá corresponder a outros tipos de dígitos decimais. Use o asinalizador para o s///operador para garantir que apenas 0123456789 sejam correspondidos ou substitua \dpor 0-9ou0123456789

    • 2
  2. Best Answer

    Como se trata de substituições simples em linhas individuais, o comando sed para fazer isso não seria complexo:

    $ sed -E 's/<([[:upper:][:digit:]_]+)>/$\1/g' file
This is a line with $VARIABLE1@$VARIABLE2.
This is a line with $VARIABLE3.
This is a line with $VARIABLE_UNKNOWN.
This is another line contains a<b.

    ou se o seu sed não tiver -Enenhum sed POSIX:

    sed 's/<\([[:upper:][:digit:]_]\{1,\}\)>/$\1/g' file

    Se o seu sed nem for compatível com POSIX, compre um novo , mas para isso em particular você provavelmente poderia fazer:

    sed 's/<\([A-Z0-9_][A-Z0-9_]*\)>/$\1/g' file

    Como @chrisdavies aponta , esse provavelmente não é o resultado que você realmente deveria tentar obter, pois ele se transformará <VAR1>27e $VAR127você realmente deveria buscar qualquer um destes:

    $ sed -E 's/<([[:alnum:]_]+)>/${\1}/g' file
This is a line with ${VARIABLE1}@${VARIABLE2}.
This is a line with ${VARIABLE3}.
This is a line with ${VARIABLE_UNKNOWN}.
This is another line contains a<b.


    $ sed -E 's/<([[:alnum:]_]+)>/"${\1}"/g' file
This is a line with "${VARIABLE1}"@"${VARIABLE2}".
This is a line with "${VARIABLE3}".
This is a line with "${VARIABLE_UNKNOWN}".
This is another line contains a<b.

    dependendo do que você está planejando fazer com essa saída.

    FWIW normalmente, quando as pessoas têm strings de espaço reservado no texto, elas não as substituem pelos nomes das variáveis ​​​​do shell, elas as substituem pelo conteúdo das variáveis ​​​​do shell, porque, caso contrário, qual seria o sentido de usar espaços reservados no texto quando você poderia ter acabado de criá-lo com os nomes das variáveis ​​​​do shell em primeiro lugar?

    • 2

  3. Usando Raku (anteriormente conhecido como Perl_6)

    ~$ raku -pe 's:g/ \< ( <[A..Z0..9_]>+ ) \> /\$$0/;'  file

    Mais uma vez, esta é praticamente uma tradução direta da excelente resposta Perl de @terdon.

    Em Raku,

    1. Modificadores Regex, como global, vão no início do matcher precedido por dois pontos, para fornecer a s:g///forma "global substituto".
    2. Dentro do domínio de reconhecimento, uma classe de caracteres personalizada é criada com <[ ... ]>colchetes delimitados por colchetes angulares. Somente colchetes são usados ​​para agrupar átomos e/ou propriedades de regex (veja o exemplo na parte inferior).
    3. Um intervalo de caracteres é especificado com ..pontos duplos como (por exemplo) A..Zou 0..9.
    4. Raku simplificou as regras de escape de modo que todos os caracteres não alfanuméricos sem sublinhado devem ser citados ou (barra invertida) escapados para serem entendidos como literais dentro de regexes, daí a necessidade de usar e no domínio de \<reconhecimento \>.
    5. As capturas numeradas são especificadas em Raku por parênteses (o mesmo que em Perl), no entanto, essas capturas numeradas começam $0e devem ser usadas no domínio de substituição como tal.
    6. O OP refere-se a substituições errôneas e, muitas vezes, a exigência de barra invertida em determinados caracteres pode ser problemática. Para ajudar, Raku permite {...}blocos de código no domínio de substituição, de modo que a substituição acima possa ser escrita {"\$$0"}(ou seja, uma string interpolada). Muito útil para realizar operações matemáticas simples (somas, etc.) na saída.

    Entrada de amostra:

    This is a line with <VARIABLE1>@<VARIABLE2>.
This is a line with <VARIABLE3>.
This is a line with <VARIABLE_UNKNOWN>.
This is another line contains a<b.

    Saída de amostra:

    This is a line with $VARIABLE1@$VARIABLE2.
This is a line with $VARIABLE3.
This is a line with $VARIABLE_UNKNOWN.
This is another line contains a<b.

    Finalmente, @terdon fornece uma excelente visão geral do problema com todos os sistemas regex, de modo que é necessário haver uma compreensão precisa do que significa digit , ou seja, são dígitos ASCII ou dígitos Unicode?

    Raku se orgulha de ser uma linguagem "pronta para Unicode", e você pode encontrar uma extensa lista de classes de caracteres Unicode para uso em regexes Raku no primeiro link na parte inferior. Conseqüentemente, em Raku, a \dabreviação de dígitos inclui dígitos Unicode. Você pode enumerar dígitos 0..9como acima ou subconjunto/restringir \ddígitos a dígitos ASCII usando a <:ASCII>classe de caracteres combinada com uma &&conjunção, como em [<:ASCII> && \d]:

    ~$ raku -pe ' s:g/ \< ( [ [<:ASCII> && \d] | <:Lu> | _ ]+ ) \> /\$$0/;'  file

    Acima <:Lu>está a classe de caracteres Unicode para "Letras maiúsculas". Se desejar, o mesmo <:ASCII>truque pode ser usado para subconjunto para "Letras ASCII-maiúsculas" (ou mais simplesmente, reorganizar os colchetes acima para reagrupar).

    https://docs.raku.org/language/regexes#Unicode_properties
    https://www.unicode.org/terminology/digits.html
    https://docs.raku.org/language/regexes#Conjunction:_&&
    https:/ /docs.raku.org/linguagem/regexes
    https://raku.org

    • 0

  4. Usando gawk:

    $ awk '{print gensub(/<([[:alnum:]_]+)>/, "$\\1", "g")}' file
# Or

$ awk '{print gensub(/<(\w+)>/, "$\\1", "g")}' file
This is a line with $VARIABLE1@$VARIABLE2.
This is a line with $VARIABLE3.
This is a line with $VARIABLE_UNKNOWN.
This is another line contains a<b.

    Na função gensub(), um subpadrão pode ser memorizado usando parênteses as captured groupe referido a ele posteriormente com um backreferenceas \n.

    Do GNU awkmanual:

    gensub() fornece um recurso adicional que não está disponível em sub() ou gsub() : a capacidade de especificar componentes de uma regexp no texto de substituição. Isso é feito usando parênteses na regexp para marcar os componentes e depois especificando '\N' no texto de substituição, onde N é um dígito de 1 a 9.

    • 0

relate perguntas