Encontrar arquivo de texto contendo um determinado texto ignorando novas linhas e espaços?

Question

Eu tenho uma string como: "thisissometext". Quero encontrar todos os arquivos de texto dentro de um determinado diretório (recursivamente) que contenha essa string, ou qualquer variação dela com espaços em branco e/ou novas linhas no meio dela. Por exemplo, um arquivo de texto contendo "this is sometext", ou "this\n issometext", "this\n isso metext" deve aparecer na pesquisa. Como posso fazer isso?

Answer 1

Com as versões mais recentes do GNU grep(que tem a -zopção), você pode usar este liner:

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

Considerando que os espaços em branco podem aparecer apenas entre as palavras.

Se você deseja apenas pesquisar todos os arquivos recursivamente a partir do diretório atual, não precisa find, basta usar grep -r(recursivo). findpode ser usado para ser seletivo nos arquivos a serem pesquisados, por exemplo, escolher os arquivos de qual diretório excluir. Então, simplesmente:

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

• O truque principal aqui é -z: ele tratará cada linha do fluxo de entrada terminada em ASCII NUL em vez de uma nova linha, como resultado, podemos combinar novas linhas usando métodos usuais.

• [[:space:]]O padrão de classe de caracteres indica quaisquer caracteres de espaço em branco, incluindo espaço, tabulação, CR, LF etc. Portanto, podemos usá-lo para corresponder a todos os caracteres de espaço em branco que podem aparecer entre as palavras.

• grep -limprimirá apenas os nomes de arquivos que possuem algum dos padrões desejados. Se você quiser imprimir as correspondências também, use -Hem vez de -l.

Por outro lado, se os espaços em branco pudessem vir em qualquer lugar em vez das palavras, isso perderia a boa aparência:

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' .

Com -Pa opção (PCRE) você pode substituir [[:space:]]por \s(ficaria muito melhor):

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' .

Usar a sugestão de @steeldriver para sedgerar o padrão para nós seria a melhor opção:

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

Answer 2

Você pode excluir todos os espaços em branco e fazer o grep:

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

Estendendo:

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

O bashcomando, expandido:

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

Isso percorre todos os argumentos e usa o teste acima.

Answer 3

O código abaixo pesquisa arquivos recursivamente em um diretório, remove todas as ocorrências de " "e "\n". Se a string existir no texto restante, há uma correspondência. Isso implica que os espaços/novas linhas podem estar emqualquerposição na string dentro do(s) seu(s) arquivo(s).

O que faz

Se encontrar arquivos correspondentes, eles serão impressos no terminal, incluindo seus caminhos, como:

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

O try / except que eu incorporei para evitar que o script seja quebrado se for executado em um arquivo ilegível.

O roteiro

#!/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

Como usar

1. Copie o script em um arquivo vazio e salve-o comofind_string.py

2. Execute-o com o diretório e a string como argumentos:

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

   Se a string ou o diretório contiver espaços, use aspas:

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

Observação

O script, tal como está, encontra arquivos com a string, com espaços em branco ou novas linhas. Pode ser expandido com outros caracteres/strings (por exemplo, tabulações) na linha:

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

Answer 4

Você poderia usar grep -i --recursive 'word1\|word2' *e awk '/word1/,/word2/'pode ser usado para lidar com a nova linha