Shell Script: pega a string no meio do texto, às vezes no começo

9

Eu tenho um arquivo de texto grande, onde uma parte dele se parece com isso (valores editados):

JULIANA XXXX006060 LI1033322 THC BRL 730.00
XXXX006296 AA1004737 THC BRL 1,740.00
SANTOS JULIANA XXXX006668 AA1004786 THC BRL 8,150.00
SANTOS JULIANA CABINDA XXXX006697 AA1004777 THC BRL 2,325.00
SANTOS JULIANA XXXX006699 AA1004790 THC BRL 2,325.00
JULIANA BATA XXXX006141 CCC012946 THC BRL 1,460.00
JULIANA BATA XXXX006153 CCC013054 THC BRL 870.00
JULIANA XXXX006269 CCC013105 THC BRL 870.00
JULIANA XXXX006295 CCC013083 THC BRL 870.00
JULIANA BATA XXXX006305 CCC013043 THC BRL 1,460.00

Eu quero sempre pegar (com uma cutou awkoutra coisa) a string que começa com XXXX00, mas nunca está no mesmo número de campo.

Como posso fazer isso em um shell-script?

shell-script text-processing Vitor Gatti
fonte

Respostas:

12

Apenas greppara isso:

grep -oE 'XXXX00[0-9]*' file
  • -o: Imprime apenas a parte correspondente.
  • -E: Ativa expressões regulares estendidas.
  • [0-9]*: Após a sequência a ser pesquisada, apenas números devem aparecer.
caos
fonte
Observe que o regex não precisa da -Eopção (embora não faça mal).
Jonathan Leffler
6

Parece que você deseja o quinto campo da direita, então

awk '{print $(NF-4)}' file
Glenn Jackman
fonte
sim!
mikeserv
3

Usando grepcom PCRE:

% grep -Po '(^|\s)\KXXXX00[^\s]*(?=(\s|$))' file.txt
XXXX006060
XXXX006296
XXXX006668
XXXX006697
XXXX006699
XXXX006141
XXXX006153
XXXX006269
XXXX006295
XXXX006305

Você pode se dar bem com -w(palavra) nesse caso, observe que os caracteres constituintes da palavra são considerados como [[:alnum:]_]:

% grep -wo 'XXXX00[^ ]*' file.txt
XXXX006060
XXXX006296
XXXX006668
XXXX006697
XXXX006699
XXXX006141
XXXX006153
XXXX006269
XXXX006295
XXXX006305
heemail
fonte
2

Algumas outras maneiras

Com GNU awk

awk -vRS='[[:space:]]+' '/^X{4}0{2}/' file

Com versões mais antigas do GNU awk, --re-intervalpoderia ser necessário, de modo

awk --re-interval -vRS='[[:space:]]+' '/^X{4}0{2}/' file

Com tregrep

<file tr -s '[:space:]' '[\n*]' | grep '^X\{4\}0\{2\}'
iruvar
fonte
1 
sed 's/[^0]*  *\([^ ]*\).*/\1/' <in >out

parece que as contagens de campos são diferentes porque você tem uma lista de pessoas e eles têm números diferentes de nomes. mas provavelmente nenhum deles tem um nome com 0, portanto, basta cortar completamente até a primeira string delimitada por espaço com uma, salvar e cortar tudo o que se segue.

mikeserv
fonte