☰

ファイルから行番号とパターンを同時に抽出する

tag-icon • tag-icon text-processing command-line grep
ファイルから行番号とパターンを同時に抽出する

いくつかのパターンを抽出するためにいくつかのテキストファイルを読みました。行番号も必要ですが、最終的なgrepの前に削除する必要があります（ただし、さらなる処理のために変数を使用して保存できます）。

より良い理解のために（長い行）コマンドを分割するプロセスを説明します。

  1. ファイルを読む猫、クリーンアップを実行します（次を使用して奇妙な文字と改行文字を削除します）。sedそしてティー）など。以下は、さまざまなダクトクリーニング作業の例です。 

     cat file | sed 's/,/ /g' | sed '/^$/d'

  2. 行番号とタブの追加NLコマンドと追加の処理とクリーンアップ

     nl -nrz -w4 -s$'\t' | tr '\n\r' ' '

  3. 目的の最終スキーマをCSVファイルに抽出

     grep -Eio '.{0,0}account number.{0,15}' >> account_list.csv

問題は、同じ行コマンド（whileまたはループは許可されていません）を使用して、ステップ2の行番号をまったく同じCSV（順序に関係なく別の列）に送信する必要がありますが、これまでは成功しませんでした。

[理解を助けるために修正しました] 必要な行番号は、クリーンアップ前のファイルの元の行番号であることを考慮すると。このクリーニングの過程で、時々詩は削除されます。千行のファイルを想像してみてください。処理後、バックラインが表示されます。新しい行番号が正しくありません。 【編集終了】

いくつかの処理後のサンプル入力：

0123 the first account number 2345356432 must be used
0345 take it just for billing purposes, not any other.
0657 Meanwhile the second account number 8623525534
0987 user is blocked until the issue is solved with

希望の出力は次のとおりです。

 2345356432; 0123
 8623525534; 0657

または

0123; 2345356432
0657; 8623525534

どんなアドバイスも本当にありがとうございます。

ベストアンサー1

awkクリーンアップする前に、元の入力ファイルで次を使用します。

awk '/account number [[:digit:]]+/ { match($0, "account number ([[:digit:]]+)", a); print NR ";" substr($0, a[1, "start"], a[1, "length"]); }' input

その後、口座番号が抽出され、行の先頭に行番号が印刷されます。

1;2345356432
3;8623525534

クリーンアップされたファイルから前処理された数値を抽出するには、次の手順を実行します。

awk '/account number [[:digit:]]+/ { match($0, "account number ([[:digit:]]+)", a); print $1 ";" substr($0, a[1, "start"], a[1, "length"]); }' input

少し分析してみてください。

  • /account number [[:digit:]]+/「口座番号」の後に数字が一致する行のみを処理していることを確認してください。
  • match($0, "account number ([[:digit:]]+)", a)パターンを見つけて、一致するグループの位置と長さ（、数）を([[:digit:]]+)配列に保存しますa。
  • print NR ";" substr($0, a[1, "start"], a[1, "length"])レコード番号の印刷（つまり行番号、複数のFNRファイルを処理する場合に使用）、最初のグループに対応する部分;文字列：開始インデックス、長さ（パディングで埋められる）をa[1, "start"]提供します。a[1, "length"]match

これらすべては、1行につき最大1つのアカウントがあると想定しています。

2番目のバリエーションは$1代わりに印刷しますNR。つまりファイルの最初のフィールドは前処理された行番号です。

おすすめ記事