Estável ordenar um arquivo pela presença de substrings ordenadas em cada linha

Question

Eu tenho uma lista de fontes de som que estou processando com um script. Um exemplo seria:

alsa_input.usb-AVEO_Technology_Corp._USB2.0_Camera-02-Camera.analog-mono
alsa_input.pci-0000_00_14.2.analog-stereo
alsa_input.usb-Plantronics_Plantronics_GameCom_780-00-P780.analog-stereo

Eu gostaria de classificá-los por substrings que estão em posições arbitrárias.

Por exemplo, eu gostaria que sort --by usb file.txt colocasse os dispositivos USB primeiro (preservando a ordem deles):

alsa_input.usb-AVEO_Technology_Corp._USB2.0_Camera-02-Camera.analog-mono
alsa_input.usb-Plantronics_Plantronics_GameCom_780-00-P780.analog-stereo
alsa_input.pci-0000_00_14.2.analog-stereo

Eu gostaria de poder especificar várias substrings para obter uma prioridade de granularidade mais precisa. Portanto, sort --by Platronics --by usb file.txt colocaria qualquer linha contendo "Platronics" primeiro, seguida pelas linhas contendo "usb", seguidas pelas demais linhas.

Posso fazer isso com qualquer tipo de utilitário de linha de comando?

    

Answer 1

Parece que você quer um sistema de pontuação. Escreva um script para atribuir uma pontuação a cada linha, indicando quão cedo a saída você quer ver. awk parece bem adequado para este trabalho. Por exemplo:

#!/bin/sh
awk '{score=0}
    /usb/ {score=1}
    /Plantronics/ {score=2}
    {print score, NR, $0}' "$@"

Isso atribui uma pontuação de 0 a cada linha por padrão e, em seguida, substitui-o por um 1 se a linha contiver usb e 2 se a linha contiver Plantronics . Coloquei as instruções usb e Plantronics nessa ordem, se uma linha contiver ambas as strings, o valor final será 2. Então

./score file.txt | sort -k1nr -k2n | cut -d" " -f3-

(onde score é o nome do script). sort -k1nr significa classificar com base no primeiro campo (a pontuação), tratando-o como um número e classificando os valores mais altos primeiro (porque o script score atribuiu pontuações altas às linhas você está mais interessado em). -k2n significa, para linhas que possuem o mesmo valor no primeiro campo, classificar pelo segundo campo, como um número em ordem normal e crescente. O segundo campo é NR , o número do registro (a.k.a. line number). Isso garante que as linhas com a mesma pontuação (por exemplo, aqueles que contêm usb , mas não Plantronics ) sai em sua ordem original. Se você não se importa com isso, exclua a declaração NR, da print , exclua o -k2n do comando sort e altere o -f3- para -f2- . (Na verdade, sort pode preservar a ordem assim por padrão, então você pode não precisar disso.) Claro que o cut -d" " -f3- retira os números que o script score foi adicionado aos dados.

Se você não entender como isso funciona, tente executar

./score file.txt

e

./score file.txt | sort -k1nr -k2n

Essa abordagem é bastante flexível. Por exemplo, o código acima produzirá, em ordem,

• todas as linhas contendo Plantronics ,
• todas as linhas contendo usb (mas não Plantronics ) e
• todas as linhas que não contêm nenhum dos itens acima

com cada grupo classificado em ordem de aparição no arquivo de entrada. Mas, alterando o script score da seguinte maneira,

#!/bin/sh
awk '{score=0}
    /usb/ {score+=1}
    /Plantronics/ {score+=2}
    {print score, NR, $0}' "$@"

podemos atribuir uma pontuação de 3 a linhas que contenham ambas as strings, então agora temos

• todas as linhas que contêm Plantronics e usb , seguidas por
• todas as linhas que contêm Plantronics (mas não usb ), seguidas por
• todas as linhas que contêm usb (mas não Plantronics ) e, em seguida,
• todas as linhas que não contêm nenhuma das opções acima.

Answer 2

Com a cláusula sqlite e ORDER BY :

$sqlite3 <<\EOT
CREATE TABLE file(line);
.import file.txt file
SELECT * FROM file
ORDER BY
CASE
    WHEN line LIKE '%USB%' THEN 0
    WHEN line LIKE '%Realtek%' THEN 1
    ELSE 3
END;
EOT
00:10.0 USB controller: VIA Technologies, Inc. VT82xxxxx UHCI USB 1.1 Controller (rev 81)
00:10.1 USB controller: VIA Technologies, Inc. VT82xxxxx UHCI USB 1.1 Controller (rev 81)
00:10.2 USB controller: VIA Technologies, Inc. VT82xxxxx UHCI USB 1.1 Controller (rev 81)
00:10.3 USB controller: VIA Technologies, Inc. VT82xxxxx UHCI USB 1.1 Controller (rev 81)
00:10.4 USB controller: VIA Technologies, Inc. USB 2.0 (rev 86)
00:05.0 Ethernet controller: Realtek Semiconductor Co., Ltd. RTL-8100/8101L/8139 PCI Fast Ethernet Adapter (rev 10)
00:06.0 Ethernet controller: Realtek Semiconductor Co., Ltd. RTL-8100/8101L/8139 PCI Fast Ethernet Adapter (rev 10)
00:07.0 Ethernet controller: Realtek Semiconductor Co., Ltd. RTL-8100/8101L/8139 PCI Fast Ethernet Adapter (rev 10)
00:00.0 Host bridge: VIA Technologies, Inc. CN700/VN800/P4M800CE/Pro Host Bridge
00:00.1 Host bridge: VIA Technologies, Inc. CN700/VN800/P4M800CE/Pro Host Bridge
00:00.2 Host bridge: VIA Technologies, Inc. CN700/VN800/P4M800CE/Pro Host Bridge
00:00.3 Host bridge: VIA Technologies, Inc. PT890 Host Bridge
00:00.4 Host bridge: VIA Technologies, Inc. CN700/VN800/P4M800CE/Pro Host Bridge
00:00.7 Host bridge: VIA Technologies, Inc. CN700/VN800/P4M800CE/Pro Host Bridge
00:01.0 PCI bridge: VIA Technologies, Inc. VT8237/VX700 PCI Bridge
00:0f.0 IDE interface: VIA Technologies, Inc. VIA VT6420 SATA RAID Controller (rev 80)
00:0f.1 IDE interface: VIA Technologies, Inc. VT82C586A/B/VT82C686/A/B/VT823x/A/C PIPC Bus Master IDE (rev 06)
00:11.0 ISA bridge: VIA Technologies, Inc. VT8237 ISA bridge [KT600/K8T800/K8T890 South]
01:00.0 VGA compatible controller: VIA Technologies, Inc. CN700/P4M800 Pro/P4M800 CE/VN800 Graphics [S3 UniChrome Pro] (rev 01)

    

Answer 3

O que você está fazendo não está realmente classificando, mas selecionando. Então, o que você gostaria de fazer é primeiro selecionar todas as linhas que contêm "Platronics", depois todas as linhas que contêm "usb" e assim por diante e, finalmente, todas as linhas que não correspondem a nada.

Eu não sei de um comando que faça isso de uma só vez, mas você pode escrever um pequeno script usando python que faz o que você quer:

import sys

substrings = sys.argv[1:]
lines = sys.stdin.readlines()

# for each substring, print matching lines
for substring in substrings:
    i=0
    while i<len(lines):
        if substring in lines[i]:
            # match: print and remove
            sys.stdout.write(lines[i])
            del lines[i]
        else:
            # no match: try next line
            i += 1

# finally, print all lines that weren't matched
for line in lines:
    sys.stdout.write(line)

Ele faz o que você quer:

$ lspci | python substrings.py "USB controller" "PCI bridge"
00:1a.0 USB controller: Intel Corporation 82801I (ICH9 Family) USB UHCI Controller #4 (rev 02)
00:1a.1 USB controller: Intel Corporation 82801I (ICH9 Family) USB UHCI Controller #5 (rev 02)
00:1a.2 USB controller: Intel Corporation 82801I (ICH9 Family) USB UHCI Controller #6 (rev 02)
00:1a.7 USB controller: Intel Corporation 82801I (ICH9 Family) USB2 EHCI Controller #2 (rev 02)
00:1d.0 USB controller: Intel Corporation 82801I (ICH9 Family) USB UHCI Controller #1 (rev 02)
00:1d.1 USB controller: Intel Corporation 82801I (ICH9 Family) USB UHCI Controller #2 (rev 02)
00:1d.2 USB controller: Intel Corporation 82801I (ICH9 Family) USB UHCI Controller #3 (rev 02)
00:1d.7 USB controller: Intel Corporation 82801I (ICH9 Family) USB2 EHCI Controller #1 (rev 02)
00:1c.0 PCI bridge: Intel Corporation 82801I (ICH9 Family) PCI Express Port 1 (rev 02)
00:1c.1 PCI bridge: Intel Corporation 82801I (ICH9 Family) PCI Express Port 2 (rev 02)
00:1e.0 PCI bridge: Intel Corporation 82801 PCI Bridge (rev 92)
00:00.0 Host bridge: Intel Corporation 82Q33 Express DRAM Controller (rev 02)
00:02.0 VGA compatible controller: Intel Corporation 82Q33 Express Integrated Graphics Controller (rev 02)
00:02.1 Display controller: Intel Corporation 82Q33 Express Integrated Graphics Controller (rev 02)
00:03.0 Communication controller: Intel Corporation 82Q33 Express MEI Controller (rev 02)
00:19.0 Ethernet controller: Intel Corporation 82566DM-2 Gigabit Network Connection (rev 02)
00:1b.0 Audio device: Intel Corporation 82801I (ICH9 Family) HD Audio Controller (rev 02)
00:1f.0 ISA bridge: Intel Corporation 82801IB (ICH9) LPC Interface Controller (rev 02)
00:1f.2 IDE interface: Intel Corporation 82801IB (ICH9) 2 port SATA Controller [IDE mode] (rev 02)
00:1f.5 IDE interface: Intel Corporation 82801I (ICH9 Family) 2 port SATA Controller [IDE mode] (rev 02)

    

Answer 4

arquivo cat:

22
z
there's
a
moose
loose
in
the
hoose

por exemplo. Definir argumentos para: loose moose - lidos pelo script como "$@" Você pode usar quantas quiser.

by=( "$@" )
nl file | sed -nf <(for ((i=0;i<${#by[@]};i++)) ;do 
                      echo "s/.*${by[i]}.*/$i\t&/; t p"
                    done; echo "s/^/$i\t&/; :p p") |
            sort -nk1 -nk2 | cut -f3-

Saída:

loose
moose
22
z
there's
a
in
the
hoose