Cadenas de búsqueda de Grep con saltos de línea

Question

¿Cómo se usa grep para generar las ocurrencias de la cadena 'export to excel' en los archivos de entrada que se detallan a continuación? Específicamente, ¿cómo manejar los saltos de línea que ocurren entre las cadenas de búsqueda? ¿Hay un cambio en grep que pueda hacer esto o algún otro comando probablemente?

archivos de entrada:

Archivo A.txt:

, bla, bla ... exportación a
excel ...
bla bla ..

archivo b. txt:

blah blah. .. exportación a excel ...
bla bla ..

Answer 1

No sólo quiere encontrar los archivos que contienen el patrón, haciendo caso omiso de los saltos de línea, o quiere ver realmente las líneas coincidentes?

En el primer caso, se puede utilizar para convertir tr nuevas líneas de espacios:

tr '\n' ' ' | grep 'export to excel' 

Si esto último se puede hacer lo mismo, pero es posible que desee utilizar la opción -o para imprimir sólo el actual partido. Luego, querrá ajustar su expresión regular para incluir cualquier contexto adicional que desee.

Answer 2

use gawk. establece el separador de registros como excel, luego verifica "exportar a".

gawk -vRS="excel" '/export.*to/{print "found export to excel at record: "NR}' file 

o

gawk '/export.*to.*excel/{print} 
/export to/&&!/excel/{ 
    s=$0 
    getline line 
    if (line~/excel/){ 
    printf "%s\n%s\n",s,line 
    } 
}' file 

Answer 3

He probado esto un poco y parece que funciona:

sed -n '$b; /export to excel/{p; b}; N; /export to\nexcel/{p; b}; D' filename 

Usted puede permitir un cierto espacio en blanco adicional al final y comienzo de las líneas como este:

sed -n '$b; /export to excel/{p; b}; N; /export to\s*\n\s*excel/{p; b}; D' filename 

Answer 4

No sé cómo hacer esto en grep. Revisé la página del manual para egrep(1) y tampoco puede coincidir con una línea nueva en el medio.

Me gusta la solución @Laurence Gonsalves sugirió, de usar tr(1) para eliminar las nuevas líneas. Pero como señaló, será doloroso imprimir las líneas correspondientes si lo haces de esa manera.

Si desea hacer coincidir a pesar de una nueva línea y luego imprimir la (s) línea (s) correspondiente (s), no puedo pensar en una forma de hacerlo con grep, pero no sería demasiado difícil en Python, AWK, Perl, o Ruby.

Aquí hay una secuencia de comandos de Python que resuelve el problema. Decidí que, para las líneas que solo coinciden cuando se unen a la línea anterior, imprimiría una flecha --> antes de la segunda línea del partido. Las líneas que coinciden directamente se imprimen siempre sin la flecha.

Esto se escribe suponiendo que/usr/bin/python es Python 2.x.Puede cambiar trivialmente la secuencia de comandos para trabajar en Python 3.x si así lo desea.

#!/usr/bin/python 

import re 
import sys 

s_pat = "export\s+to\s+excel" 
pat = re.compile(s_pat) 

def print_ete(fname): 
    try: 
     f = open(fname, "rt") 
    except IOError: 
     sys.stderr.write('print_ete: unable to open file "%s"\n' % fname) 
     sys.exit(2) 

    prev_line = "" 
    i_last = -10 
    for i, line in enumerate(f): 
     # is ete within current line? 
     if pat.search(line): 
      print "%s:%d: %s" % (fname, i+1, line.strip()) 
      i_last = i 
     else: 
      # construct extended line that included previous 
      # note newline is stripped 
      s = prev_line.strip("\n") + " " + line 
      # is ete within extended line? 
      if pat.search(s): 
       # matched ete in extended so want both lines printed 
       # did we print prev line? 
       if not i_last == (i - 1): 
        # no so print it now 
        print "%s:%d: %s" % (fname, i, prev_line.strip()) 
       # print cur line with special marker 
       print "--> %s:%d: %s" % (fname, i+1, line.strip()) 
       i_last = i 
     # make sure we don't match ete twice 
     prev_line = re.sub(pat, "", line) 

try: 
    if sys.argv[1] in ("-h", "--help"): 
     raise IndexError # print help 
except IndexError: 
    sys.stderr.write("print_ete <filename>\n") 
    sys.stderr.write('grep-like tool to print lines matching "%s"\n' % 
      "export to excel") 
    sys.exit(1) 

print_ete(sys.argv[1]) 

EDITAR: agregó comentarios.

Me tomé la molestia de imprimir el número de línea correcto en cada línea, usando un formato similar al que obtendría con grep -Hn.

Podría ser mucho más corto y más simple si usted no necesita los números de línea, y no te importa la lectura en todo el archivo a la vez en la memoria:

#!/usr/bin/python 

import re 
import sys 

# This pattern not compiled with re.MULTILINE on purpose. 
# We *want* the \s pattern to match a newline here so it can 
# match across multiple lines. 
# Note the match group that gathers text around ete pattern uses a character 
# class that matches anything but "\n", to grab text around ete. 
s_pat = "([^\n]*export\s+to\s+excel[^\n]*)" 
pat = re.compile(s_pat) 

def print_ete(fname): 
    try: 
     text = open(fname, "rt").read() 
    except IOError: 
     sys.stderr.write('print_ete: unable to open file "%s"\n' % fname) 
     sys.exit(2) 

    for s_match in re.findall(pat, text): 
     print s_match 

try: 
    if sys.argv[1] in ("-h", "--help"): 
     raise IndexError # print help 
except IndexError: 
    sys.stderr.write("print_ete <filename>\n") 
    sys.stderr.write('grep-like tool to print lines matching "%s"\n' % 
      "export to excel") 
    sys.exit(1) 

print_ete(sys.argv[1]) 

Answer 5

grep -A1 "exportación a" nombre de archivo | grep -B1 "excel"