Imprimir palavra contendo string e primeira palavra

9

Eu quero encontrar uma string em uma linha de texto e imprimir a string (entre espaços) e a primeira palavra da frase.

Por exemplo:

"This is a single text line"
"Another thing"
"It is better you try again"
"Better"

A lista de strings é:

text
thing
try
Better

O que estou tentando é obter uma tabela como esta:

This [tab] text
Another [tab] thing
It [tab] try
Better

Eu tentei com grep mas nada ocorreu. Alguma sugestão?

    
por Felipe Lira 17.08.2016 / 01:18

7 respostas

12

Versão do Bash / grep:

#!/bin/bash
# string-and-first-word.sh
# Finds a string and the first word of the line that contains that string.

text_file="$1"
shift

for string; do
    # Find string in file. Process output one line at a time.
    grep "$string" "$text_file" | 
        while read -r line
    do
        # Get the first word of the line.
        first_word="${line%% *}"
        # Remove special characters from the first word.
        first_word="${first_word//[^[:alnum:]]/}"

        # If the first word is the same as the string, don't print it twice.
        if [[ "$string" != "$first_word" ]]; then
            echo -ne "$first_word\t"
        fi

        echo "$string"
    done
done

Chame assim:

./string-and-first-word.sh /path/to/file text thing try Better

Saída:

This    text
Another thing
It  try
Better
    
por wjandrea 17.08.2016 / 02:51
9

Perl para o resgate!

#!/usr/bin/perl
use warnings;
use strict;

my $file = shift;
my $regex = join '|', map quotemeta, @ARGV;
$regex = qr/\b($regex)\b/;

open my $IN, '<', $file or die "$file: $!";
while (<$IN>) {
    if (my ($match) = /$regex/) {
        print my ($first) = /^\S+/g;
        if ($match ne $first) {
            print "\t$match";
        }
        print "\n";
    }
}

Salvar como first-plus-word , executado como

perl first-plus-word file.txt text thing try Better

Cria um regex a partir das palavras de entrada. Cada linha é então comparada com a regex, e se houver uma correspondência, a primeira palavra será impressa e, se for diferente da palavra, a palavra será impressa também.

    
por choroba 17.08.2016 / 01:44
9

Aqui está uma versão do awk:

awk '
  NR==FNR {a[$0]++; next;} 
  {
    gsub(/"/,"",$0);
    for (i=1; i<=NF; i++)
      if ($i in a) printf "%s\n", i==1? $i : $1"\t"$i;
  }
  ' file2 file1

em que file2 é a lista de palavras e file1 contém as frases.

    
por steeldriver 17.08.2016 / 02:37
8

Aqui está a versão do python:

#!/usr/bin/env python
from __future__ import print_function 
import sys

# List of strings that you want
# to search in the file. Change it
# as you fit necessary. Remember commas
strings = [
          'text', 'thing',
          'try', 'Better'
          ]


with open(sys.argv[1]) as input_file:
    for line in input_file:
        for string in strings:
            if string in line:
               words = line.strip().split()
               print(words[0],end="")
               if len(words) > 1:
                   print("\t",string)
               else:
                   print("")

Demonstração:

$> cat input_file.txt                                                          
This is a single text line
Another thing
It is better you try again
Better
$> python ./initial_word.py input_file.txt                                      
This    text
Another     thing
It  try
Better

Nota secundária : o script é python3 compatible, portanto, você pode executá-lo com python2 ou python3 .

    
por Sergiy Kolodyazhnyy 17.08.2016 / 02:18
7

Tente isto:

$ sed -En 's/(([[:alnum:]]+)[[:space:]].*)?(text|thing|try|Better).*/\t/p' File
This    text
Another thing
It      try
        Better

Se a guia antes do Better for um problema, tente o seguinte:

$ sed -En 's/(([[:alnum:]]+)[[:space:]].*)?(text|thing|try|Better).*/\t/; ta; b; :a; s/^\t//; p' File
This    text
Another thing
It      try
Better

O acima foi testado no GNU sed (chamado gsed no OSX). Para o BSD sed, algumas pequenas alterações podem ser necessárias.

Como funciona

  • s/(([[:alnum:]]+)[[:space:]].*)?(text|thing|try|Better).*/\t/

    Isso procura uma palavra, [[:alnum:]]+ , seguida por um espaço, [[:space:]] , seguido por qualquer coisa, .* , seguido por uma das suas palavras, text|thing|try|Better , seguido por qualquer coisa. Se isso for encontrado, ele será substituído pela primeira palavra na linha (se houver), uma guia e a palavra correspondente.

  • ta; b; :a; s/^\t//; p

    Se o comando de substituição resultou em uma substituição, significando que uma de suas palavras foi encontrada na linha, o comando ta diz ao sed para pular para o rótulo a . Se não, então nós ramificamos ( b ) para a próxima linha. :a define o rótulo a. Então, se uma de suas palavras foi encontrada, nós (a) fazemos a substituição s/^\t// , que remove uma guia principal, se houver, e (b) imprime ( p ) a linha.

por John1024 17.08.2016 / 01:41
7

Uma abordagem bash / sed simples:

$ while read w; do sed -nE "s/\"(\S*).*$w.*/\t$w/p" file; done < words 
This    text
Another thing
It  try
    Better

O while read w; do ...; done < words irá iterar em cada linha no arquivo words e o salvará como $w . O -n faz com que sed não imprima nada por padrão. O comando sed , então, substituirá aspas duplas seguidas por espaços sem espaços em branco ( \"(\S*) , os parênteses servem para "capturar" o que é correspondido por \S* , a primeira palavra, e podemos nos referir a ele como ), 0 ou mais caracteres ( .* ) e depois a palavra que estamos procurando ( $w ) e 0 ou mais caracteres novamente ( .* ). Se isso corresponder, substituiremos apenas a primeira palavra, uma tabulação e $w ( \t$w ), e imprimiremos a linha (é o que o p in s///p faz).

    
por terdon 17.08.2016 / 10:58
5

Esta é a versão do Ruby

str_list = ['text', 'thing', 'try', 'Better']

File.open(ARGV[0]) do |f|
  lines = f.readlines
  lines.each_with_index do |l, idx|
    if l.match(str_list[idx])
      l = l.split(' ')
      if l.length == 1
        puts l[0]
      else
        puts l[0] + "\t" + str_list[idx]
      end
    end
  end
end

O arquivo de texto de amostra hello.txt contém

This is a single text line
Another thing
It is better you try again
Better

A execução com ruby source.rb hello.txt resulta em

This    text
Another thing
It      try
Better
    
por Anwar 17.08.2016 / 09:40