☰

bash 查找以字符串开头的行

tag-icon • tag-icon bash sed grep string
bash 查找以字符串开头的行

我有一堆文件，我想找到哪个文件包含以某个字符串开头的连续行。

例如对于以下文件：

Aaaaaaaaaaaa
Baaaaaaaaaaa
Cxxxxxxxxx
Cyyyyyyyyy
Czzzzzzzzz
Abbbbbbbbbbb
Bbbbbbbbbbbb
Caaaaaa
Accccccccccc
Bccccccccccc
Cdddddd
Ceeeeee

以“C”开头的行不止一行，所以我希望通过命令找到该文件。
例如对于以下文件：

Aaaaaaaaaaaa
Baaaaaaaaaaa
Cxxxxxxxxx
Abbbbbbbbbbb
Bbbbbbbbbbbb
Caaaaaa
Accccccccccc
Bccccccccccc
Cdddddd

总是有一行以“C”开头，我不想要这个文件。我想过使用 agrep或 ased但我不知道到底该怎么做。也许使用正则表达式^C.*$^C或类似的东西。任何想法 ？

答案1

和pcregrep：

pcregrep -rMl '^C.*\nC' .

POSIXly：

find . -type f -exec awk '
  FNR==1 {last=0; printed=0; next}
  printed {next}
  /^C/ {if (last) {print FILENAME; printed=1; nextfile} else last=1; next}
  {last=0}' {} +

awk（尽管这意味着使用不支持的实现完全读取所有文件nextfile）。

GNU 版本grep最高可达 2.5.4：

grep -rlP '^C.*\nC' .

出现工作，但这是偶然的，并且不能保证工作。

在 2.6 中修复之前（由这次提交），GNUgrep忽略了它正在使用的 PCRE 搜索函数将匹配当前由 处理的整个缓冲区grep，从而导致各种令人惊讶的行为。例如：

grep -P 'a\s*b'

将匹配包含以下内容的文件：

bla
bla

这将匹配：

printf '1\n2\n' | grep -P '1\n2'

但是这个：

(printf '1\n'; sleep 1; printf '2\n') | grep -P '1\n2'

或者：

(yes | head -c 32766; printf '1\n2\n') > file; grep -P '1\n2' file

不会（因为 是1\n2\n跨由 处理的两个缓冲区grep）。

不过，这种行为最终被记录下来：

15-如何跨行匹配？

标准 grep 无法做到这一点，因为它基本上是基于行的。因此，仅使用 '[:space:]' 字符类不会按照您期望的方式匹配换行符。但是，如果您的 grep 是在启用 Perl 模式的情况下编译的，则可以使用 Perl 's' 修饰符（使 '.' 匹配换行符）：

     printf 'foo\nbar\n' | grep -P '(?s)foo.*?bar'

2.6修复后，文档没有修改（我曾经举报过那里）。

答案2

和awk：

awk '{if (p ~ /^C/ && $1 ~ /^C/) print; p=$1}' afile.txt

如果存在以 . 开头的连续行，这将打印文件的内容C。该表达式(p ~ /^C/ && $1 ~ /^C/)将查看文件中的连续行，如果两者中的第一个字符匹配，则计算结果为 true C。如果是这种情况，该行将被打印。

为了找到所有具有这种模式的文件，您可以通过find命令运行上述 awk：

find /your/path -type f -exec awk '{if (p ~ /^C/ && $1 ~ /^C/) {print FILENAME; exit;} p=$1}' {} \;

在此命令中，+find将exec遍历每个文件并对每个文件执行类似的过滤，并在awk 表达式计算结果为 true 时awk打印其名称。FILENAME为了避免FILENAME对具有多个匹配项的单个文件进行多次打印exit，使用了该语句（感谢@terdon）。

答案3

GNU 的另一个选择sed：

对于单个文件：

sed -n -- '/^C/{n;/^C/q 1}' "$file" || printf '%s\n' "$file"

（尽管它也会报告它无法读取的文件）。

为了find：

find . -type f ! -exec sed -n '/^C/{n;/^C/q 1}' {} \; -print

可以通过编写以下代码来避免打印无法读取的文件的问题：

find . -type f -size +2c -exec sed -n '$q1;/^C/{n;/^C/q}' {} \; -print

答案4

解决方案：

( set -- *files ; for f ; do (
set -- $(printf %c\  `cat <$f`)
while [ $# -ge 1 ] ;do [ -z "${1#"$2"}" ] && {
    echo "$f"; break ; } || shift
done ) ; done )

演示：

首先，我们将创建一个测试基地：

abc="a b c d e f g h i j k l m n o p q r s t u v w x y z" 
for l in $abc ; do { i=$((i+1)) h= c= ;
    [ $((i%3)) -eq 0 ] && c="$l" h="${abc%"$l"*}"
    line="$(printf '%s ' $h $c ${abc#"$h"})"
    printf "%s$(printf %s $line)\n" $line >|/tmp/file${i}
} ; done

上面创建了26个文件/tmp命名的file1-26。每个文件有 27 或 28 行以字母开头a-z然后是字母表的其余部分。每个第三个文件都包含两个连续的行，其中第一个字符是重复的。

样本：

cat /tmp/file12
...
aabcdefghijkllmnopqrstuvwxyz
babcdefghijkllmnopqrstuvwxyz
cabcdefghijkllmnopqrstuvwxyz
...
kabcdefghijkllmnopqrstuvwxyz
labcdefghijkllmnopqrstuvwxyz
labcdefghijkllmnopqrstuvwxyz
mabcdefghijkllmnopqrstuvwxyz
...

当我改变时：

set -- *files

到：

set -- /tmp/file[0-9]*

我明白...

输出：

/tmp/file12
/tmp/file15
/tmp/file18
/tmp/file21
/tmp/file24
/tmp/file3
/tmp/file6
/tmp/file9

简而言之，解决方案的工作原理如下：

sets所有文件的子 shell 位置，以及每个

sets嵌套子shell在循环时到每个文件中每行的第一个字母的位置。

[ tests ]如果$1否定$2表示匹配，如果是的话

echoes然后是文件名breaks当前循环迭代

别的shifts到下一个单个字符位置再试一次

相关内容