☰

如何对每个块中的字段上不同长度的数据块进行排序

tag-icon • tag-icon linux scripting command rdf
如何对每个块中的字段上不同长度的数据块进行排序

<我有一个 RDF 文件，其中包含由和描绘的不同行数的数据块/>。在每个块内，都有一个由 标识的字段name="some name"。我需要根据 的值对块进行排序，name而不更改每个块中任何行的顺序。此外，每个块中都有一个带有数字的字段。我需要对这些字段重新编号1到n基于每个块的排序位置。

这是 3 个块的示例：

<RDF:Description RDF:about="rdf:#$CHROME1"
 NS1:name="AAA Carolinas"
  NS1:urlToUse=""
  NS1:whereLeetLB="off"
  NS1:leetLevelLB="1"
  NS1:hashAlgorithmLB="md5"
  NS1:passwordLength="16"
  NS1:usernameTB="user"
  NS1:counter=""
  NS1:charset="a9b0c8d1e7f2g6h3i5j4klmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUV123456789"
  NS1:prefix="6%Fl"
  NS1:suffix="I$5g"
  NS1:protocolCB="false"
  NS1:subdomainCB="true"
  NS1:domainCB="true"
  NS1:pathCB="false"
  />
<RDF:Description RDF:about="rdf:#$CHROME2"
 NS1:name="Adobe Forums"
  NS1:urlToUse="adobeforums.com"
  NS1:whereLeetLB="off"
  NS1:leetLevelLB="1"
  NS1:hashAlgorithmLB="md5"
  NS1:passwordLength="12"
  NS1:usernameTB="username"
  NS1:counter=""
  NS1:charset="a9b0c8d1e7f2g6h3i5j4klmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUV"
  NS1:prefix=""
  NS1:suffix=""
  NS1:protocolCB="false"
  NS1:subdomainCB="true"
  NS1:domainCB="true"
  NS1:pathCB="false"
  NS1:pattern0="*adobeforums.com*"
  NS1:patternenabled0="true"
  NS1:patterndesc0=""
  NS1:patterntype0="wildcard"
  />
<RDF:Description RDF:about="rdf:#$CHROME3"
 NS1:name="Adorama"
  NS1:urlToUse="adorama.com"
  NS1:whereLeetLB="off"
  NS1:leetLevelLB="1"
  NS1:hashAlgorithmLB="md5"
  NS1:passwordLength="8"
  NS1:usernameTB="username"
  NS1:counter=""
  NS1:charset="a9b0c8d1e7f2g6h3i5j4klmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUV"
  NS1:prefix=""
  NS1:suffix=""
  NS1:protocolCB="false"
  NS1:subdomainCB="false"
  NS1:domainCB="true"
  NS1:pathCB="false"
  NS1:pattern0="*adorama.com*"
  NS1:patternenabled0="true"
  NS1:patterndesc0=""
  NS1:patterntype0="wildcard"
  NS1:pattern1="www.adoramapix.com*"
  NS1:patternenabled1="true"
  NS1:patterndesc1=""
  NS1:patterntype1="wildcard"
  />

我提到的数字就是$CHROME上面例子中的数字。我是一位老汇编、COBOL、Fortran、Basic 程序员，但我不熟悉脚本或较新的语言。我可能可以在 Basic 程序中完成此操作，但如果可能的话，我想要一个 Linux 解决方案。

答案1

我希望有一些性格——或者至少有一些细绳- 永远不会出现在你的文件中。我假设这对于 来说是正确的|。为了更安全，我会使用||.

运行这个命令：

sed -n -e H -e '/^ *\/> *$/ { s/.*//; X; s/.*NS1:name="\([^"]*\)/\1&/; s/\n/||/gp }'你的文件|
        排序|
        荷兰-ba |
        sed -e 's/ *\([0-9]*\)[^|]*||\(.* RDF:about="rdf:#$CHROME\)[0-9]*/\2\ 1/' -e 's/||/\n/g'

注意：这（可能）需要您有 GNU sed。

概述

  • 用于sed将文件转换为适合排序的格式（详情如下）。
  • 对 的输出进行排序sed。
  • 应用（添加）行号。使用任何能生成合适数字的命令。我喜欢nl -ba，但cat -n也同样有效，而且可能还有其他选择。
  • 用于sed从行开头去除行号并将其插入到后面CHROME。将数据恢复为原始格式。

详细信息 - 第一个sed命令

该sort命令将每一行视为一条记录。因此，我们从输入文件中获取每个（分隔的）记录并将所有行连接起来，形成一长行。我们还将name值复制到行的开头，以避免指定排序键。

  • 使用该-n选项禁止自动打印。仅当我们说 时才会打印行p。

  • H在每一行执行。这会将当前行附加到保留空间。从逻辑上讲，这可能更有意义复制将该<行添加到保留空间（使用命令h），然后附加所有后续行。我随意选择了这种方法。

    请注意，因为我们将<行附加到空的保留空间，所以聚合记录在开头有一个额外的换行符。

  • 查找包含 的行/>，可以选择在其前面和/或后面添加空格。当我们找到它时，我们就知道我们在保留空间中有完整的记录。仅在这些行上执行以下命令。

    • s/.*//清除图案空间（即擦除线条/>）。这并不是真正丢弃任何信息；而是丢弃任何信息。该/>行已经附加到保留空间（因为每一个行附加到保留空间）。
    • x交换模式空间和保持空间。这会将聚合（附加/串联）记录从保留空间检索到模式空间中。由于前面的 ( s/.*//) 命令，这会清除保留空间。
    • s/.*NS1:name="\([^"]*\)/\1&/查找名称字段并将其值复制到记录的开头。如果您可以使用带引号字符的名称，则此操作将会失败在里面。
    • s/\n/||/gp将模式空间中的每个换行符替换为||. （这是将记录转换为一行的步骤。）由于p，这将打印记录。

sed当对示例文件运行时，第一个命令的输出是

AAA Carolinas||<RDF:Description RDF:about="rdf:#$CHROME1"|| NS1:name="AAA Carolinas"||  NS1:urlToUse=""||  NS1:whereLeetLB="off"||  NS1:leetLevelLB="1"||  NS1:hashAlgorithmLB="md5"||  NS1:passwordLength="16"||  NS1:usernameTB="user"||  NS1:counter=""||  NS1:charset="a9b0c8d1e7f2g6h3i5j4klmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUV123456789"||  NS1:prefix="6%Fl"||  NS1:suffix="I$5g"||  NS1:protocolCB="false"||  NS1:subdomainCB="true"||  NS1:domainCB="true"||  NS1:pathCB="false"||  />
Adobe Forums||<RDF:Description RDF:about="rdf:#$CHROME2"|| NS1:name="Adobe Forums"||  NS1:urlToUse="adobeforums.com"||  NS1:whereLeetLB="off"||  NS1:leetLevelLB="1"||  NS1:hashAlgorithmLB="md5"||  NS1:passwordLength="12"||  NS1:usernameTB="username"||  NS1:counter=""||  NS1:charset="a9b0c8d1e7f2g6h3i5j4klmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUV"||  NS1:prefix=""||  NS1:suffix=""||  NS1:protocolCB="false"||  NS1:subdomainCB="true"||  NS1:domainCB="true"||  NS1:pathCB="false"||  NS1:pattern0="*adobeforums.com*"||  NS1:patternenabled0="true"||  NS1:patterndesc0=""||  NS1:patterntype0="wildcard"||  />
Adorama||<RDF:Description RDF:about="rdf:#$CHROME3"|| NS1:name="Adorama"||  NS1:urlToUse="adorama.com"||  NS1:whereLeetLB="off"||  NS1:leetLevelLB="1"||  NS1:hashAlgorithmLB="md5"||  NS1:passwordLength="8"||  NS1:usernameTB="username"||  NS1:counter=""||  NS1:charset="a9b0c8d1e7f2g6h3i5j4klmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUV"||  NS1:prefix=""||  NS1:suffix=""||  NS1:protocolCB="false"||  NS1:subdomainCB="false"||  NS1:domainCB="true"||  NS1:pathCB="false"||  NS1:pattern0="*adorama.com*"||  NS1:patternenabled0="true"||  NS1:patterndesc0=""||  NS1:patterntype0="wildcard"||  NS1:pattern1="www.adoramapix.com*"||  NS1:patternenabled1="true"||  NS1:patterndesc1=""||  NS1:patterntype1="wildcard"||  />

详细信息 - 第二个sed命令

  • s/ *\([0-9]*\)[^|]*||\(.* RDF:about="rdf:#$CHROME\)[0-9]*/\2\1/ 将线分成几部分：

    • 零个或多个空格。
    • 行号（零个或多个数字）。这就成为了\1团体。
    • 行号、值name及其||后面的制表符。
    • 不过记录上升了RDF:about="rdf:#$CHROME。这就成为了\2团体。
    • 旧记录编号（零个或多个数字）。
    • 隐含地，记录的其余部分。

    RDF:about="rdf:#$CHROME然后它用和行号（新记录号）替换前五个部分。由于记录的其余部分不匹配，因此它不受该命令的影响。

  • s/||/\n/g用换行符替换每个||行，恢复（重新创建）文件的原始多行结构。

明显地， …

…要将输出发送到文件，请在命令最后一行的最末尾添加（即在第二行的末尾）。然后您可以移动 ( ) > your_output_filesedmvyour_output_file到你的原始文件。为命令指定--output=(或 -o) 选项是没有任何意义的sort；的输出sort 必须进入应用行号的命令。如果您想捕获中间文件，请这么说。

相关内容