Classifique um arquivo ao agrupar linhas recuadas com seu pai (vários níveis)

Question

Todos os níveis devem ser classificados em ordem alfabética (mas devem ser mantidos com seus pais)

Exemplo de arquivo:

first
    apple
    orange
        train
        car
    kiwi
third
    orange
    apple
        plane
second
    lemon

Resultado esperado:

first
    apple
    kiwi
    orange
        car
        train
second
    lemon
third
    apple
        plane
    orange

O comando a seguir foi usado, mas funciona somente se o arquivo tiver apenas dois níveis na árvore.

sed '/^[^[:blank:]]/h;//!G;s/\(.*\)\n\(.*\)/\x02/' infile | sort | sed 's/.*\x02//'

Como posso fazer para classificar todos os níveis corretamente?

Obrigado antecipadamente

    

Answer 1

Solução estendida Python :

Amostra infile contents (4 levels):

first
    apple
    orange
        train
        car
            truck
            automobile
    kiwi
third
    orange
    apple
        plane
second
    lemon

Script

sort_hierarchy.py :

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import sys
import re

with open(sys.argv[1], 'rt') as f:
    pat = re.compile(r'^\s+')
    paths = []

    for line in f:
        offset = pat.match(line)
        item = line.strip()

        if not offset:
            offset = 0
            paths.append(item)
        else:
            offset = offset.span()[1]
            if offset > prev_offset:
                paths.append(paths[-1] + '.' + item)
            else:
                cut_pos = -prev_offset//offset
                paths.append('.'.join(paths[-1].split('.')[:cut_pos]) + '.' + item)

        prev_offset = offset

    paths.sort()
    sub_pat = re.compile(r'[^.]+\.')
    for i in paths:
        print(sub_pat.sub(' ' * 4, i))

Uso:

python sort_hierarchy.py path/to/infile

A saída:

first
    apple
    kiwi
    orange
        car
            automobile
            truck
        train
second
    lemon
third
    apple
        plane
    orange

    

Answer 2

Awk solução:

Amostra infile contents (4 levels):

first
    apple
    orange
        train
        car
            truck
            automobile
    kiwi
third
    orange
    apple
        plane
second
    lemon

awk '{
         offset = gsub(/ /, "");
         if (offset == 0) { items[NR] = $1 }
         else if (offset > prev_ofst) { items[NR] = items[NR-1] "." $1 }
         else {
             prev_item = items[NR-1];
             gsub("(\.[^.]+){" int(prev_ofst / offset) "}$", "", prev_item);
             items[NR] = prev_item "." $1
         }
         prev_ofst = offset;
     }
     END{
         asort(items);
         for (i = 1; i <= NR; i++) {
             gsub(/[^.]+\./, "    ", items[i]);
             print items[i]
         }
     }' infile

A saída:

first
    apple
    kiwi
    orange
        car
            automobile
            truck
        train
second
    lemon
third
    apple
        plane
    orange

    

Answer 3

funciona para qualquer profundidade

#!/usr/bin/python3
lines = open('test_file').read().splitlines()

def yield_sorted_lines(lines):
        sorter = []
        for l in lines:
                fields = l.split('\t')
                n = len(fields)
                sorter = sorter[:n-1] + fields[n-1:]
                yield sorter, l


prefixed_lines = yield_sorted_lines(lines)
sorted_lines = sorted(prefixed_lines, key=lambda x: x[0])
for x, y in sorted_lines:
        print(y)

Ou um pipeline

awk -F'\t' '{a[NF]=$NF; for (i=1; i<=NF; ++i) printf "%s%s", a[i], i==NF? "\n": "\t"}' file|
sort | awk -F'\t' -vOFS='\t' '{for (i=1; i<NF; ++i) $i=""; print}'

    

Answer 4

sed '/^ /{H;$!d};x;1d;s/\n/\x7/g' | sort | tr \a \n

O /continuation/{H;$!d};x;1d (ou /firstline/! etc) é um "slurp", ele só passa quando tem uma linha completa de bando no buffer.

Se você conseguir um bando de linha única no final, adicione ${p;x;/\n/d} para fazer a bomba dupla necessária para isso.