☰

如何从 lftp 日志文件中提取 pdf 名称？

tag-icon • tag-icon grep text-processing sed awk
如何从 lftp 日志文件中提取 pdf 名称？

我有这样一个日志：

2016-05-11 07:09:54 ftp://[email protected]/test1/fool/1999/How/05%20May/test160511.pdf -> /test/keep/more/use/05/test160511.pdf 0-28442281 33.5 KiB/s

我只需要提取“test160511.pdf”并放入单独的日志文件。

有可能的？

答案1

grep与 PCRE 一起使用（ -P）：

grep -Po '.*/\K[^\s]+(?=\s+->)'

例子：

$ grep -Po '.*/\K[^\s]+(?=\s+->)' <<<'2016-05-11 07:09:54 ftp://[email protected]/test1/fool/1999/How/05%20May/test160511.pdf -> /test/keep/more/use/05/test160511.pdf 0-28442281 33.5 KiB/s'
test160511.pdf

或者sed：

sed -r 's#.*/([^[:blank:]]+)[[:blank:]]+->.*#\1#'

例子：

$ sed -nr 's#.*/([^[:blank:]]+)[[:blank:]]+->.*#\1#p' <<<'2016-05-11 07:09:54 ftp://[email protected]/test1/fool/1999/How/05%20May/test160511.pdf -> /test/keep/more/use/05/test160511.pdf 0-28442281 33.5 KiB/s'
test160511.pdf

您可以使用输出重定向运算符保存输出>：

grep .... >/where/to/save.log

因此在这种情况下：

grep -Po '.*/\K[^\s]+(?=\s+->)' <<<'your_string' >output.log

您也可以使用中间变量：

temp=$(grep -Po '.*/\K[^\s]+(?=\s+->)' <<<'your_string')

然后保存：

echo "$temp" >output.log

答案2

另一个grep解决方案（file包含您问题中的示例）：

$ grep -oP '/\K[^/]+\.pdf' file
test160511.pdf
test160511.pdf

仅适用于唯一名称：

$ grep -oP '/\K[^/]+\.pdf' file | sort -u
test160511.pdf

解释

  • -o：仅打印该行匹配的部分。
  • -P：使用 Perl 兼容正则表达式 (PCRE)
  • /\K[^/]+\.pdf：匹配 a/然后丢弃它（这就是 所做的\K，这样 就/不会包含在输出中）。然后，匹配一个或多个非/字符（[^/]+），后跟.pdf。.在正则表达式中 表示“任何字符”，因此要匹配文字.，您需要对其进行转义：\.
  • sort -u：仅打印唯一的行。

答案3

在python单行中：

python3 -c '[print(p+".pdf") for p in [s.split(".pdf")[0] for s in open("logfile").read().split("/") if ".pdf" in s]]'

日志文件的路径在哪里"logfile"，用双引号括起来。例如，使用你的问题的输入，/home/jacob/Bureaublad/pd.txt我的日志文件在哪里：

$ python3 -c '[print(p+".pdf") for p in [s.split(".pdf")[0] for s in open("/home/jacob/Bureaublad/pd.txt").read().split("/") if "pdf" in s]]'
test160511.pdf
test160511.pdf

解释

命令：

  • /按分格符（斜线）分割文件内容：

    open("logfile").read().split("/")

    并查找包含以下内容的部分pdf：

    for s in open("/home/jacob/Bureaublad/pd.txt").read().split("/") if "pdf" in s

  • 随后，分裂用分格器查找找到的字符串.pdf，并保留第一部分，即/和之间的部分pdf。

  • 随后，添加扩展：

    print(p+".pdf")

这样，即使 (pdf-) 文件名包含空格，也总是能正确检索到 pdf 的文件名。

仅限唯一的文件名？

如果您不想重复多次出现的文件名：

python3 -c '[print(p+".pdf") for p in set([s.split(".pdf")[0] for s in open("logfile").read().split("/") if "pdf" in s])]'

来自同一个例子：

$ python3 -c '[print(p+".pdf") for p in set([s.split(".pdf")[0] for s in open("/home/jacob/Bureaublad/pd.txt").read().split("/") if "pdf" in s])]'
test160511.pdf

相关内容