O que é um comando do Linux para localizar arquivos contendo algumas cadeias de caracteres, mas não outra?

4

Eu estou tentando pesquisar um monte de arquivos XML para determinadas seqüências de caracteres, mas não outras seqüências de caracteres e estou tendo problemas para colocar um comando juntos para fazê-lo. Só quero listar os nomes dos arquivos que correspondem aos critérios de inclusão / exclusão. Eu estive tentando: 

find . -name *.xml -exec grep -li "string1\|string2" {} \; | xargs grep -Li "string3\|string4"

Mas estou tendo problemas porque os nomes de arquivos retornados de encontrar tem espaços em seus nomes e o segundo grep divide todos em pequenos pedaços e, claro, não encontra tais arquivos. Eu tentei adicionar -0 ao xargs , e remove os erros, mas diz "Nome do arquivo longo demais" e só executa o primeiro grep.

Como faço para ajustar esse comando para que ele funcione corretamente em arquivos com espaços nos nomes?

string grep xargs Cicerone Cojocaru
fonte
Isso não pertence ao super usuário?
2
O script do bash é relacionado à programação e à manutenção do sistema, portanto, eu diria que ele pertence a qualquer um dos sites.
aioobe
1
Não em uma caixa unix no momento, mas eu acho que (assumindo o GNU grep), você poderia tentar algo como find . -name "*.xml" -exec grep -liZ "string1\|string2" {} \; | xargs -0 grep -Li "string3\|string4" (O Z bandeira para grep produz terminadores zero em sua lista de resultados, que deve ser compatível com xargs -0 )
Matt Gibson
@pilcrow Isso não funcionará muito nesta circunstância, porque o -print0 estará imprimindo apenas os nomes dos arquivos, não selecionando apenas os nomes de arquivos correspondidos pelo primeiro grep. É a saída do primeiro grep que está passando pelo pipe, e é por isso que acho que o sinalizador -Z é o que é necessário. Difícil dizer sem uma caixa para brincar, embora :)
Matt Gibson
@Matt, sim, e há mais de uma maneira de fazer isso. :)
pilcrow

Respostas:

3

Há mais de uma maneira de fazer isso. Isso deve manter o número total de processos executados no mínimo: 

find . -name \*.xml -print0          \   # List of *.xml files (NUL-terminated)
  | xargs -0 grep -Zli 'string[12]'  \   # is input to first grep, which sends (NUL-term'd)
  | xargs -0 grep -Li  'string[34]'      # file list to second grep

obrigado Matt Gibson por nos lembrar da -Z flag para o GNU grep.

pilcrow
fonte
Sim, esse é um método legal. @Cicerone - também note que @pilcrow e eu estamos assumindo que você precisa escapar do seu *.xml de alguma forma, para evitar a expansão do shell.
Matt Gibson
Este também funciona e é extremamente rápido!
3

Você pode fazer tudo em um find que evita todos os problemas com espaços em nomes de arquivos. Algo como 

find . -exec grep -liq "string1\|string2" {} \; -not -exec grep -liq "string3\|string4" {} \; -print

O "-q" suprime toda a saída do grep. o -exec primary retorna true quando o processo sai com status 0, como o grep faz quando encontra uma correspondência, e o -not primária inverte isso. Então, colocamos diretamente duas condições no finde, como resultado, imprimimos apenas os nomes de arquivos que satisfazem ambos - não é necessário tubo!

Ernest Friedman-Hill
fonte
Eu estava apenas trabalhando nos detalhes disso quando sua resposta apareceu.
Desculpe @Colin. Eu odeio quando isso acontece comigo :)
Ernest Friedman-Hill
+1 para uma solução em que é altamente provável que o arquivo ainda esteja no cache de disco quando o segundo grep for trabalhar.
Ole Tange
2

Como mencionado no meu comentário, acho que tudo o que você está perdendo é a bandeira -Z no primeiro grep para ir junto com o -0 que você estava tentando em seu xargs: 

find . -name "*.xml" -exec grep -liZ "string1\|string2" {} \; | xargs -0 grep -Li "string3\|string4"
Matt Gibson
fonte
0

Se o fator limitante for CPU (ou seja, seu disco é rápido) e você tiver mais núcleos de CPU, você pode usar o GNU Parallel: 

find . -type f| parallel grep -Lq foo {} '||' grep -l bar {}

Ao executar os dois grep s imediatamente após cada outra chance, os arquivos ainda estão no cache de disco. Se o disco procura são lentos, você pode adicionar -j1 para desabilitar o paralelismo.

Assista ao vídeo de introdução para saber mais: http://www.youtube.com/watch?v=OpaiGYxkSuQ

Ole Tange
fonte