Textdatei mit einem bestimmten Text suchen und dabei neue Zeilen und Leerzeichen ignorieren?

Question

Ich habe eine Zeichenfolge wie: "thisissometext". Ich möchte alle Textdateien in einem bestimmten Verzeichnis (rekursiv) finden, die diese Zeichenfolge oder Variationen davon mit Leerzeichen und/oder Zeilenumbrüchen in der Mitte enthalten. Beispielsweise sollte eine Textdatei, die , "this is sometext"oder enthält "this\n issometext", "this\n isso metext" in der Suche angezeigt werden. Wie kann ich das tun?

Answer 1

Bei den neueren Versionen von GNU grep(die diese -zOption haben) können Sie diesen Einzeiler verwenden:

find . -type f -exec grep -lz 'this[[:space:]]*is[[:space:]]*some[[:space:]]*text' {} +

Beachten Sie, dass Leerzeichen nur zwischen den Wörtern stehen dürfen.

Wenn Sie einfach alle Dateien rekursiv ab dem aktuellen Verzeichnis durchsuchen möchten, brauchen Sie nicht find, Sie können einfach grep -r(rekursiv) verwenden. findkann verwendet werden, um selektiv nach Dateien zu suchen, z. B. um Dateien auszuwählen, deren Verzeichnis ausgeschlossen werden soll. Also einfach:

grep -rlz 'this[[:space:]]*is[[:space:]]*some[[:space:]]*text' .

• Der Haupttrick besteht hier darin -z, dass jede Zeile des Eingabestroms, die mit ASCII NUL endet, statt als neue Zeile behandelt wird, sodass wir Zeilenumbrüche mithilfe der üblichen Methoden abgleichen können.

• [[:space:]]Das Zeichenklassenmuster gibt alle Leerzeichen an, einschließlich Leerzeichen, Tabulatoren, CR, LF usw. Wir können es also verwenden, um alle Leerzeichen abzugleichen, die zwischen den Wörtern stehen können.

• grep -ldruckt nur die Dateinamen, die eines der gewünschten Muster aufweisen. Wenn Sie auch die Übereinstimmungen drucken möchten, verwenden Sie -Hanstelle von -l.

Wenn die Leerzeichen andererseits an beliebigen Stellen und nicht zwischen den Wörtern stehen können, würde dies sein gutes Aussehen verlieren:

grep -rlz
't[[:space:]]*h[[:space:]]*i[[:space:]]*s[[:space:]]*i[[:space:]]*\
s[[:space:]]*s[[:space:]]*o[[:space:]]*m[[:space:]]*e[[:space:]]*\
t[[:space:]]*e[[:space:]]*x[[:space:]]*t' .

Mit -Pder Option (PCRE) können Sie das [[:space:]]durch Folgendes ersetzen \s(das würde viel schöner aussehen):

grep -rlzP 't\s*h\s*i\s*s\s*i\s*s\s*s\s*o\s*m\s*e\s*\
t\s*e\s*x\s*t' .

sedDie beste Option wäre, den Vorschlag von @steeldriver zu verwenden, um das Muster für uns zu generieren:

grep -rlzP "$(sed 's/./\\s*&/2g' <<< "thisissometext")" .

Answer 2

Sie können alle Leerzeichen löschen und sie greppen:

tr -d '[[:space:]]' < foo | grep thisissometext

Erweiterung:

find . -type f -exec bash -c 'for i; do tr -d "[[:space:]]" < "$i" | grep -q thisissometext && printf "%s\n" "$i"; done' _ {} +

Der basherweiterte Befehl:

for i
do
    tr -d "[[:space:]]" < "$i" | 
      grep -q thisissometext && 
      printf "%s\n" "$i"
done

Dies durchläuft eine Schleife über alle Argumente und verwendet den obigen Test.

Answer 3

Der folgende Code durchsucht ein Verzeichnis rekursiv nach Dateien und entfernt alle Vorkommen von " "und "\n". Wenn die Zeichenfolge im verbleibenden Text vorhanden ist, gibt es eine Übereinstimmung. Dies bedeutet, dass die Leerzeichen/Zeilenumbrüche aufbeliebigPosition in der Zeichenfolge innerhalb Ihrer Datei(en).

Was es macht

Wenn übereinstimmende Dateien gefunden werden, werden diese zusammen mit ihren Pfaden im Terminal ausgegeben, etwa:

/home/jacob/Bureaublad/testmap/test2.txt
/home/jacob/Bureaublad/testmap/Naamloze map 2/test1.txt

Das Try/Except-Feature habe ich eingebaut, um zu verhindern, dass das Skript abbricht, wenn es auf eine nicht lesbare Datei stößt.

Das Drehbuch

#!/usr/bin/env python3
import os
import sys

s = sys.argv[2]
for root, dirs, files in os.walk(sys.argv[1]):
    for file in files:
        file = root+"/"+file
        try:
            if s in open(file).read().replace(" ", "").replace("\n",""):
                print(file)
        except:
            pass

Wie benutzt man

1. Kopieren Sie das Skript in eine leere Datei und speichern Sie es unterfind_string.py

2. Führen Sie es mit dem Verzeichnis und der Zeichenfolge als Argumente aus:

   python3 /path/to/find_string.py <directory> <string_to_find>
   

   Wenn entweder die Zeichenfolge oder das Verzeichnis Leerzeichen enthält, verwenden Sie Anführungszeichen:

   python3 /path/to/find_string.py '<directory>' '<string_to_find>'
   

Notiz

Das Skript findet Dateien mit der Zeichenfolge, die entweder Leerzeichen oder Zeilenumbrüche enthält. Es kann mit anderen Zeichen/Zeichenfolgen (z. B. Tabulatoren) in der Zeile erweitert werden:

if s in open(file).read().replace(" ", "").replace("\n",""):

Answer 4

Sie können grep -i --recursive 'word1\|word2' *und awk '/word1/,/word2/'können verwendet werden, um mit der Newline umzugehen