¿Cuál es una forma eficiente de reemplazar la lista de cadenas con otra lista en el archivo Unix?

Question

Supongamos que tengo dos listas de cadenas (lista A y lista B) con el mismo número exacto de entradas, N, en cada lista, y deseo reemplazar todas las instancias del elemento n-ésimo de A con el enésimo elemento de B en un archivo en Unix (lo ideal sería usar Bash scripting).

¿Cuál es la forma más eficiente de hacer esto?

Una manera ineficiente sería hacer N llamadas a "sed s/stringA/stringB/g".

Answer 1

Esto lo hará en una sola pasada. Lee listA y listB en arrays awk, luego, para cada línea del linput, examina cada palabra y si la palabra se encuentra en listA, la palabra es reemplazada por la palabra correspondiente en listB.

awk ' 
    FILENAME == ARGV[1] { listA[$1] = FNR; next } 
    FILENAME == ARGV[2] { listB[FNR] = $1; next } 
    { 
     for (i = 1; i <= NF; i++) { 
      if ($i in listA) { 
       $i = listB[listA[$i]] 
      } 
     } 
     print 
    } 
' listA listB filename > filename.new 
mv filename.new filename 

Asumo las cadenas de listaA no contienen espacios en blanco (separador de campo predeterminado de awk)

Answer 2

Haga una llamada al sed que escribe el script sed y otro para usarlo? Si sus listas están en archivos listA y listB, entonces:

paste -d : listA listB | sed 's/\([^:]*\):\([^:]*\)/s%\1%\2%/' > sed.script 
sed -f sed.script files.to.be.mapped.* 

Estoy haciendo algunas suposiciones generalizadas acerca de 'palabras' no contiene o bien dos puntos o símbolos por ciento, pero se puede adaptar alrededor de eso. Algunas versiones de sed tienen límites superiores en la cantidad de comandos que se pueden especificar; si eso es un problema porque sus listas de palabras son lo suficientemente grandes, entonces puede que tenga que dividir el script sed generado en archivos separados que se aplican, o cambiar para usar algo sin el límite (Perl, por ejemplo).

Otro elemento a tener en cuenta es la secuencia de cambios. Si desea intercambiar dos palabras, debe elaborar sus listas de palabras cuidadosamente. En general, si asigna (1) palabraA a palabraB y (2) palabraB a palabraC, importa si el script sed hace mapeo (1) antes o después del mapeo (2).

La secuencia de comandos que se muestra no tiene cuidado con los límites de las palabras; puede tener cuidado con ellos de varias maneras, dependiendo de la versión de sed que esté utilizando y sus criterios para lo que constituye una palabra.

Answer 3

Esto es bastante sencillo con Tcl:

set fA [open listA r] 
set fB [open listB r] 
set fin [open input.file r] 
set fout [open output.file w] 

# read listA and listB and create the mapping of corresponding lines 
while {[gets $fA strA] != -1} { 
    set strB [gets $fB] 
    lappend map $strA $strB 
} 

# apply the mapping to the input file 
puts $fout [string map $map [read $fin]] 

# if the file is large, do it line by line instead 
#while {[gets $fin line] != -1} { 
# puts $fout [string map $map $line] 
#} 

close $fA 
close $fB 
close $fin 
close $fout 

file rename output.file input.file 

Answer 4

se puede hacer esto en bash. Obtenga sus listas en matrices.

listA=(a b c) 
listB=(d e f) 
data=$(<file) 
echo "${data//${listA[2]}/${listB[2]}}" #change the 3rd element. Redirect to file where necessary 

Answer 5

Uso tr (1) (traducir o eliminar caracteres):

cat file | tr 'abc' 'XYZ' > file_new 
mv file_new file 

Answer 6

que tenía que hacer algo similar, y terminó generando comandos sed basado en un archivo de mapa:

$ cat file.map 
abc => 123 
def => 456 
ghi => 789 

$ cat stuff.txt 
abc jdy kdt 
kdb def gbk 
qng pbf ghi 
non non non 
try one abc 

$ sed `cat file.map | awk '{print "-e s/"$1"/"$3"/"}'`<<<"`cat stuff.txt`" 
123 jdy kdt 
kdb 456 gbk 
qng pbf 789 
non non non 
try one 123 

Asegúrate de que tu capa soporta tantos parámetros para sed como tengas en tu mapa.