解决方案描述

Question

我有一个小脚本，它列出了目录和所有子目录中所有文件的路径，并使用Perl中的regex解析列表中的每个路径。

#!/bin/sh
find * -type f | while read j; do
echo $j | perl -n -e '/\/(\d{2})\/(\d{2})\/(\d+).*-([a-zA-Z]+)(?:_(\d{1}))?/ && print "\"0\";\"$1$2$3\";\"$4\";\"$5\";$fl\""' >> bss.csv
echo | readlink -f -n "$j" >>bss.csv
echo \">>bss.csv
done

输出：

"0";"13957";"4121113";"2";"/home/root/dir1/bss/164146/13/95/7___/000240216___Abc-4121113_2.jpg"

我正在使用GNU coreutils中的readlink：-n在结尾处抑制换行符，-f通过递归跟踪路径上的符号链接来执行规范化。

问题是，当输入字符串没有通过正则表达式时，我只有文件路径行。

如何添加条件以检查正则表达式是否通过 - 显示路径，否则 - 否。我用各种组合打破了我的大脑，但没有找到任何正常工作。

Answer 1

解决方案描述

在Perl中，使用if (/…/) {…} else {…}代替/…/ && …。因此，如果匹配成功，您可以执行打印，否则可以执行其他一些代码。

如果这不是问题而你只想摆脱readlink输出和结束引用，你可以使用反引号从Perl调用readlink。

产生的代码

我将所有内容都转换为单个Perl程序，使用File::Find代替find命令，假设$fl在print结束时Perl是一个遗留（忽略它）并使用Cwd::realpath()从GNU coreutils中查找文件的规范路径而不是readlink -f。如果您仍想使用readlink -f，请随时将Cwd::realpath($_)更改为`readlink -f '$_'`（包括反引号！），但它对包含单引号的文件名不起作用。

您应该将此脚本称为./script-name starting-directory > bss.csv。如果将它放在您正在检查的目录中，输出也会包含它，以及bss.csv。

#!/usr/bin/perl
# Usage: ./$0 [<starting-directory>...]
use strict;
use warnings;
use File::Find;
use Cwd;
no warnings 'File::Find';

sub handleFile() {
    return if not -f;
    if ($File::Find::name =~ /\/(\d{2})\/(\d{2})\/(\d+).*-([a-zA-Z]+)(?:_(\d{1}))?/) {
        local $, = ';', $\ = "\n";
        print map "\"$_\"", 0, $1.$2.$3, $4, $5, Cwd::realpath($_);
    } else {
        print STDERR "File $File::Find::name did not match\n";
    }
}

find(\&handleFile, @ARGV ? @ARGV : '.');

作为参考，我还附上原始程序的抛光版本。它正如我上面建议的那样从Perl调用readlink并且真正使用了Perl的-n选项，避免了while read循环。

#!/bin/sh
find . -type f | perl -n -e 'm{/(\d{2})/(\d{2})/(\d+).*-([a-zA-Z]+)(?:_(\d{1}))?} && print qq{"0";"$1$2$3";"$4";"$5";"`readlink -f -n '\''$_'\''`"}' > bss.csv

对原始代码的其他评论

echo |之前的readlink什么都不做，应该删除。 Readlink不会读取它的标准输入。
Perl $fl末尾的print来自哪里？我认为这是一种遗留物。
使用qq{}之类的通用引号和周到使用分隔符（例如在正则表达式匹配和其他类似报价的运算符中）可以避免引用地狱。 我上面已经使用过这个提示：/…/→m{…}和"…"→qq{…}。谢谢，Slade！有关详细信息，请参阅perlop联机帮助页。

Answer 2

如果我理解你，你想要捕获文件名的以下部分：

/home/root/dir1/bss/164146/13/95/7___/000240216___Abc-4121113_2.jpg
                           ~~ ~~ ~                ~~~ ~~~~~~~ ~
                           1  2  3                4   5       6

但是你的perl正则表达式并没有这样做。让我们分开以便更好地理解。

/\/(\d{2})\/(\d{2})\/(\d+).*-([a-zA-Z]+)(?:_(\d{1}))?/

切成碎片，这将是......

\/(\d{2}) - 斜线，然后是两位数字（捕获数字）
\/(\d{2}) - 另一个斜杠和两位数字
\/(\d) - 还有一个斜杠和任意数字的数字
.*- - 直到输入字符串
([a-zA-Z]+) - 一个或多个字母字符
(?:_(\d{1}))? - 无意义的（我认为）构造匹配一个不会被捕获的可选单个数字（因为它在(?:...)内）

如果您单步执行文件名，您会发现此处没有任何内容可以处理最后一个数字字符串。

我会使用更简单的工具来做到这一点。塞德，例如：

[ghoti@pc ~]$ s="/home/root/dir1/bss/164146/13/95/7___/000240216___Abc-4121113_2.jpg"
[ghoti@pc ~]$ echo "$s" | sed -rne 's/.*/"&"/;h;s:.*/([0-9]{2})/([0-9]{2})/([0-9]+)[^[a-zA-Z]]*[^-]+-([0-9]+)(_([0-9]+))?.*:"0";"\1\2\3";"\4";"\6":;G;s/\n/;/;p'
"0";"13957";"4121113";"2";"/home/root/dir1/bss/164146/13/95/7___/000240216___Abc-4121113_2.jpg"
[ghoti@pc ~]$

我将分解sed脚本以便于阅读：

s/.*/"&"/; - 在文件名周围加上引号。
h; - 将文件名存储在Sed的“保留”空间中，以备将来使用...
s: - 开始大替代......
- .*/([0-9]{2})/([0-9]{2})/([0-9]+)[^[a-zA-Z]]*[^-]+-([0-9]+)(_([0-9]+))?.* - 这是我们想要替换的模式。与您在Perl中所做的类似，显然，但使用ERE而不是PCRE。
- :"0";"\1\2\3";"\4";"\6":; - 替换模式，其中\n被替换为RE的括号内元素。请注意，替换字符串中会跳过\5，因为该子表达式仅用于匹配。
G; - 将“保留”空间附加到模式空间
s/\n/;/; - 并删除它们之间的换行符。
p - 打印结果。

请注意，此解决方案假设所有输入行都与您要查找的模式匹配。如果情况并非如此，那么您可能会得到不可预测的输出，并且应该在脚本中添加一些模式匹配。

创建以给定格式从文件名中提取的信息的CSV

2 个答案:

解决方案描述

产生的代码

对原始代码的其他评论