bash script για εύρεση λέξης - Solved με Perl τελικά

[SAMSONIC]

Γρήγορη απορία...

Πως γίνεται να βρούμε μια λέξη μέσα σε ένα αρχείο κειμένου και αφού βρεθεί αυτή η λέξη να τυπωθεί στην οθόνη μια άλλη λέξη που θα βρίσκεται στην ίδια γραμμή ή σε κάποια επόμενη?

π.χ. το κείμενο είναι:

μπλα μπλα μπλα λέξη μπλα μπλα μπλα μπλα μπλα 24/02/2013 μπλα μπλα μπλα

και να τυπώνεται η ημερομηνία.

[lucinos]

ένα απλό εργαλείο για αυτές τις δουλειές είναι η grep και ποιο σύνθετο η awk.
επίσης μπορείς να χρησιμοποιήσεις την less και να ψάξεις την λέξη που θες γράφοντάς την μετά από /

[eliasps]

Πρέπει να υπάρχει κάποιο μοτίβο, διαφορετικά αν οι λέξεις που ψάχνεις και αυτές που θες να τυπωθούν είναι τυχαία κατανεμημένες και δεν έχουν κοινά στοιχεία στα οποία θα βασιστεί το script, δεν γίνεται να χρησιμοποιηθεί το ίδιο script για να κάνει αυτή τη δουλειά γενικά.

[SAMSONIC]

με την grep προσπάθησα αλλά δεν είχα αποτέλεσμα. στην ουσία η αναζήτηση έχει ως εξής:

δίνει μια συγκεκριμένη λέξη ο χρήστης και μόλις βρεθεί η λέξη θα πρέπει να συνεχιστεί η αναζήτηση στο κείμενο μέχρι το επόμενο pattern της μορφής "αριθμός - αριθμός". όταν βρεθεί το pattern αυτό απλά να εμφανίζεται στην οθόνη. το κείμενο είναι έτσι δομημένο που θα υπάρχει σίγουρα αυτό το pattern μετά από την συγκεκριμένη λέξη.

η awk είναι όντως πολύπλοκη...

[lucinos]

πάντως μπορείς να χρησιμοποιήσεις Perl ή Python και να κάνεις την δουλειά σου.

[SAMSONIC]

Σίγουρα υπάρχουν εναλλακτικές απλά επειδή έχει και άλλα τερτίπια (π.χ. τραβάει το αρχείο από site, το σώζει temporaly κ.α.) και τα έχω υλοποιήσει με δύο τρεις εντολές σε Bash, ίσως είναι πιο χρονοβόρο να κοιτάξω με μια γλώσσα προγραμματισμού που δεν γνωρίζω. Με C ίσως να μπορούσα αλλά σε bash ίσως να είναι λιγότερο μπελαλίδικο.... ή ίσως σε C να γίνεται η αναζήτηση μόνο... ε?

καμιά άλλη πρόταση?

[eliasps]

Άμα πρόκειται για κάποιου είδους web scraping, γίνεται πιο εύκολα σε python παρά σε C ή Bash (ανάλογα το κείμενο που θες να εξάγεις). Ίσως και με Perl, αλλά δεν γνωρίζω την γλώσσα.
Θες δηλαδή θες αυτό το script να κάνει την ίδια δουλειά σε πολλά κείμενα;
Με αναζήτηση διαφορετικής λέξης στο κάθε ένα και ανάλογα με αυτήν, να τυπώνει τον αμέσως επόμενο αριθμό ή ημερομηνία;
Η με την χρήση της ίδιας λέξης να γίνεται η αναζήτηση;

[evolgen]

Δεν κατάλαβα ακριβώς, αλλά μπορώ να σου γράψω σχετικά εύκολα ένα τέτοιο script σε Perl. Το pattern αριθμός - αριθμός θα είναι πάντα ημερομηνία ή κάτι άλλο; Γιατί strictly-speaking, η ημερομηνία δεν είναι "αριθμός-αριθμός", γιατί έχει ανάμεσα το "/".

[simosx]

Πως γίνεται να βρούμε μια λέξη μέσα σε ένα αρχείο κειμένου και αφού βρεθεί αυτή η λέξη να τυπωθεί στην οθόνη μια άλλη λέξη που θα βρίσκεται στην ίδια γραμμή ή σε κάποια επόμενη?

π.χ. το κείμενο είναι:

μπλα μπλα μπλα λέξη μπλα μπλα μπλα μπλα μπλα 24/02/2013 μπλα μπλα μπλα

και να τυπώνεται η ημερομηνία.

Με Perl

Μορφοποιημένος Κώδικας: Επιλογή όλων

if ( m/λέξη/ ) 
  { 
   if ( m/(\d+)\/(\d+)\/(\d+)/ ) 
     { 
       print "Βρέθηκε ημερομηνία: $1-$2-$3\n";
     }
  }

[evolgen]

Πως γίνεται να βρούμε μια λέξη μέσα σε ένα αρχείο κειμένου και αφού βρεθεί αυτή η λέξη να τυπωθεί στην οθόνη μια άλλη λέξη που θα βρίσκεται στην ίδια γραμμή ή σε κάποια επόμενη?

π.χ. το κείμενο είναι:

μπλα μπλα μπλα λέξη μπλα μπλα μπλα μπλα μπλα 24/02/2013 μπλα μπλα μπλα

και να τυπώνεται η ημερομηνία.

Με Perl

Μορφοποιημένος Κώδικας: Επιλογή όλων

if ( m/λέξη/ ) 
  { 
   if ( m/(\d+)\/(\d+)\/(\d+)/ ) 
     { 
       print "Βρέθηκε ημερομηνία: $1-$2-$3\n";
     }
  }

Το αποπάνω έχει το πρόβλημα ότι μπορεί άλλη ημερομηνία να βρίσκεται πριν από τη λέξη. Θεωρώντας ότι το κείμενο περιέχεται στη μεταβλητή $line, καλύτερο είναι το εξής:

Μορφοποιημένος Κώδικας: Επιλογή όλων

if (
    $line =~ /$word # lexi
	     .*? # otidipote allo anamesa (non-greedy)
	     (\d{2}\/\d{2}\/\d{4}) # imerominia ws dd/mm / yyyy
             / xs
  )
{
    print $1 . "\n";
}

Αυτό θα δώσει το πρώτο hit μόνο. Αν θέλεις πολλαπλά hits, τότε ο κώδικας γίνεται:

Μορφοποιημένος Κώδικας: Επιλογή όλων

while ( $line =~ /$word/ )
{
    if (
        $line =~ /$word # lexi
		 .*? # otidipote allo anamesa (non-greedy)
		 (\d{2}\/\d{2}\/\d{4}) # imerominia ws dd/mm/yyyy
	         /xs
      )
    {
        print $1 . "\n";
        $line = $';
    }
}

Το αποπάνω θεωρεί ότι όντως ακολουθεί ημερομηνία μετά τη λέξη, αλλιώς θα πέσει σε endless loop. Αν και υπάρχει τρόπος να προβλεφθεί και αυτό...