Como posso classificar o conteúdo dos arquivos encontrados usando find em um único arquivo?

Consegui me fotografar onde dói (muito ruim) reformatando uma partição que continha dados valiosos. Claro que não foi intencional, mas aconteceu.

No entanto, eu consegui usar testdiske photorecrecuperar a maioria dos dados. Então agora eu tenho todos esses dados distribuídos em quase 25.000 diretórios. A maioria dos arquivos são arquivos .txt, enquanto os demais são arquivos de imagem. Existem mais de 300 arquivos .txt em cada diretório.

Eu posso grepou uso findpara extrair determinadas seqüências de caracteres dos arquivos .txt e enviá-las para um arquivo. Por exemplo, aqui está uma linha que eu usei para verificar se meus dados estão nos arquivos recuperados:

find ./recup*/ -name '*.txt' -print | xargs grep -i "searchPattern"

Eu posso gerar "searchPattern" para um arquivo, mas isso me dá esse padrão. Aqui está o que eu realmente gostaria de realizar:

Percorra todos os arquivos e procure por uma sequência específica. Se essa sequência for encontrada em um arquivo, coloque TODO o conteúdo desse arquivo em um arquivo de saída. Se o padrão for encontrado em mais de um arquivo, anexe o conteúdo dos arquivos subseqüentes ao arquivo de saída. Observe que eu simplesmente não quero exibir o padrão que estou procurando, mas TODO o conteúdo do arquivo no qual os padrões são encontrados.

Eu acho que isso é possível, mas simplesmente não sei como capturar todo o conteúdo de um arquivo depois de receber um padrão específico dele.

Se entendi seu objetivo corretamente, o seguinte fará o que você deseja:

find ./recup*/ -name '*.txt' -exec grep -qi "searchPattern" {} \; -exec cat {} \; > outputfile.txt

Isso procurará todos os *.txtarquivos ./recup*/, testará cada um searchPattern, se corresponder catao arquivo. A saída de todos os catarquivos ed será direcionada para outputfile.txt.

Repita para cada arquivo de padrão e saída.

Se você tiver um número muito grande de diretórios correspondentes ./recup*, poderá acabar com a argument list too long error. A maneira mais simples de contornar isso é fazer algo assim:

find ./ -mindepth 2 -path './recup*.txt' -exec grep -qi "searchPattern" {} \; -exec cat {} \; > outputfile.txt

Isso corresponderá ao caminho completo. Então ./recup01234/foo/bar.txtserá correspondido. O -mindepth 2é para que não corresponda ./recup.txt, ou ./recup0.txt.

Em vez de emitir seu padrão, imprima o nome do arquivo usando "-l" no grep e use-o como entrada para cat.

find ./recup*/ -name '*.txt' -print | xargs grep -li "searchPattern" | xargs cat

ou

cat $( find ./recup*/ -name '*.txt' -print | xargs grep -li "searchPattern")

Eu suspeito que você pode preencher os detalhes restantes. BTW, se você tiver espaços ou outros caracteres estranhos nos nomes dos arquivos (improvável neste caso específico, mas para propósitos futuros), use -print0 na localização e -Z no grep, combinada com a opção -0 no xargs para usar bytes nulos entre nomes de arquivos em vez de novas linhas.

find ./recup*/ -name '*.txt' -print0 | xargs -0 grep -Zli "searchPattern" | xargs -0 cat

Este não é o código ideal, mas é muito simples e funcionará bem se a eficiência não for um problema. O problema é que ele percorre os arquivos várias vezes, mesmo que a string já tenha sido encontrada neles.

Em primeiro lugar, procure suas strings e escreva os arquivos correspondentes em uma lista.

find ./recup*/ -name '*.txt' -execdir grep -il "searchPattern" {} >> /tmp/file_list \;

Repita esta etapa substituindo searchPatternconforme necessário. Isso produz uma lista de arquivos correspondentes em /tmp/file_list.

O problema é que esse arquivo pode ter duplicatas. Portanto, podemos substituir as duplicatas por |sort|uniq. A sortpeça coloca as duplicatas adjacentes uma à outra, para que uniqpossam ser removidas. Em seguida, você pode catesses arquivos juntos usando xargs(com cada nome de arquivo separado por nova linha \n). Conseqüentemente,

</tmp/file_list sort | uniq | xargs -d "\n" cat > final_file.txt

Ao contrário das outras respostas, ele possui duas etapas e um arquivo temporário; portanto, eu recomendaria apenas se você tiver vários padrões a serem encontrados.

Dependendo do seu shell e ambiente, você pode fazer algo assim (no bash)

while IFS= read -r -d '' file; do
  if grep -qim1 'searchPattern1\|searchPattern2\|searchPattern3' "$file"; then
    cat "$file" >> some/other/file
  fi
done < <(find ./recup*/ -name '*.txt' -print0)

Se você quiser separar os resultados de acordo com o padrão, poderá modificá-lo para algo como

while IFS= read -r -d '' file; do
  if grep -qim1 'searchPattern1' "$file"; then
    cat "$file" >> some/other/file1
  elif grep -qim1 'searchPattern2' "$file"; then
    cat "$file" >> some/other/file2
  elif grep -qim1 'searchPattern3' "$file"; then
    cat "$file" >> some/other/file3
  fi
done < <(find ./recup*/ -name '*.txt' -print0)