Question

给出以下形式的文本文件：

firstword<number1>,<string1>:<number2>,<string2>:<number3>,<string>:<number4>...
firstword<number1>,<string1>:<number2>,<string2>:<number3>,<string>:<number4>...
firstword<number1>,<string1>:<number2>,<string2>:<number3>,<string>:<number4>...
...

其中每一行可以彼此不同，并且可以具有任意数量的string：number对。 “第一字”始终是相同的。字符串和数字的内容可以更改，例如数字可以是“ 12345”，字符串可以是“ abc”（不带引号）。

此外，同一行可以有多次相同的字符串（多少行是未知的，每行不同），每条都有不同的关联编号。例如：

firstword123,abc:123,cde:234,abc:345,def:456

如果现在只想提取第一个单词和数字（在本例中为firstword123）以及特定字符串的一行中的所有string：number对，那么该怎么做？在上面的示例中，如果为字符串选择值“ abc”，则提取的行应类似于：

firstword123,abc:123,abc:345

我正在寻找一种适用于Bash（以及其他命令）的解决方案。

Answer 1

您可以为此使用perl

#!/usr/bin/perl
my $first='firstword123';
my $str='abc';

while (<DATA>) {
    next if not /^$first/;
    print "$first";
    print ",$_" for ($_ =~ /$str:\d+/g);
}

__DATA__
firstword123,abc:123,cde:234,abc:345,def:456

退出：

firstword123,abc:123,abc:345

Answer 2

不是单线，而是全力以赴的解决方案。如果您需要更快的代码，我们可以用awk或perl ...

$: cat keyscan
#! /bin/env bash

key="$1"
while read line
do start=${line//,*/}
   line=${line#$start}
   line=${line#,}
   while [[ -n "$line" ]]
   do case "$line" in
      $key:[0-9]*) lead="${line//,*/}"
                   start="$start,$lead"
                   line="${line#$lead}"
                   line="${line#,}"  ;;
              *,*) line="${line#*,}" ;;
                *) line='' ;;
      esac
   done
   printf "$start\n"
done

$: cat data
firstword123,abc:123,cde:234,abc:345,def:456

$: ./keyscan abc < data
firstword123,abc:123,abc:345

$: ./keyscan def < data
firstword123,def:456

$: ./keyscan cde < data
firstword123,cde:234

它不会很快，因为它在输入的每一行上都有一个处理循环，但是可以在您提供的数据的示例行上工作。

在文本文件行中提取部分重复的模式

2 个答案: