☰

Como extrair dados de forma mais eficiente em um array?

tag-icon • tag-icon bash shell-script text-processing array
Como extrair dados de forma mais eficiente em um array?

Eu tenho um diretório com alguns arquivos de texto que possuem dados como abaixo; Eu os li através de um loop e coloquei cada linha em um array! Não sei a maneira correta e se você souber de alguma maneira melhor, me avise.

Attack On Titan S03E20 720p WEB x264-URANiME[eztv] 6/17/2019 394 MB 114 37
Attack On Titan S003E020 WEB x264-URANiME Yesterday 172 MB 76 3
Attack On Titan S03E18 1080p WEB x264-URANiME 6/5/2019 1 GB 46 3
Attack On Titan S003E017 720p WEB x264-URANiME[eztv] 5/27/2019 555 MB 41 10
Attack On Titan s02E20 WEB x264-URANiME[eztv] 6/17/2019 171 MB 40 7
Attack On Titan S03e18 WEB x264-URANiME 6/3/2019 200 MB 23 3
Attack On Titan S03E16 720p WEB x264-URANiME[eztv] 5/20/2019 522 MB 23 3
Attack On Titan s03e19 WEB x264-URANiME Today 196 MB 20 0
Attack On Titan S03E14 720p WEB x264-URANiME[eztv] 5/6/2019 545 MB 19 2

Os elementos de cada linha são separados por uma guia, como nome do torrent, tempo adicionado, tamanho (com extensão MB/GB), sementes e sanguessuga.

Por exemplo, para os dados de amostra da primeira linha, os Elementos mencionados seriam:

torrent name: Attack On Titan S03E20 720p WEB x264-URANiME[eztv]
season number: 3
episode number: 20
added time: 6/17/2019
size: 394 MB
seed: 114
leech: 37

observação: os números de tamanho são variantes (algumas vezes MB - algumas vezes GB), porém, preciso tê-los todos como MB, como devo fazer isso?

Então li cada linha do array com um loop e retirei cada parte que precisava para as próximas etapas!

for array_list in "${TORRENT_FILE_ARRAY[@]}"
do
    TORRENT_NAME=`echo "$array_list" | awk '{print $1}' FS="\t"`
    SEASON_NUMBER=`echo "$array_list" | awk '{print $1}' FS="\t" | awk '{print $4}' FS=" " | awk 'BEGIN {IGNORECASE = 1} {print $1}' FS="E" | sed "s/[Ss]//g" | sed 's/^0*//'`
    EPISODE_NUMBER=`echo "$array_list" | awk '{print $1}' FS="\t" | awk '{print $4}' FS=" " | awk 'BEGIN {IGNORECASE = 1} {print $2}' FS="E" | sed "s/[Ee]//g" | sed 's/^0*//' `
    FILE_SIZE=`echo "$array_list" | awk '{print $3}' FS="\t"`
    LEECH_NUMBER=`echo "$array_list" | awk '{print $4}' FS="\t"`
    SEED_NUBMBER=`echo "$array_list" | awk '{print $5}' FS="\t"`
    # echo $TORRENT_NAME
    # echo $FILE_SIZE
    # echo $LEECH_NUMBER
    # echo $SEED_NUBMBER
    # echo "SEASON_NUMBER:" $SEASON_NUMBER 
    # echo "EPISODE_NUMBER:" $EPISODE_NUMBER
done

depois de ler cada variável, quero adicioná-la a um array para cada elemento que mencionei anteriormente, quero dizer algo como:

TORRENT_NAME[$x]=$extracted_TORRENT_NAME
FILE_SIZE[$x]=$extracted_FILE_SIZE
LEECH_NUMBER[$x]=$extracted_LEECH_NUMBER
SEED_NUBMBER[$x]=$extracted_SEED_NUBMBER 
SEASON_NUMBER[$x]=$extracted_SEASON_NUMBER
EPISODE_NUMBER[$x]=$extracted_EPISODE_NUMBER

Quero preencher esses arrays em um loop, mas não sei como capturar os dados corretamente e qual ferramenta devo usar para capturar com mais eficiência!

Além disso, está tudo em um script, e não tenho permissão para criar nenhum outro arquivo, exceto arquivos de script e até mesmo alterar os arquivos de origem!

Responder1

Sinto muito, não entendi o resto da sua pergunta, mas veja como começar a separar os campos que você realmente deseja da sua entrada:

$ cat file
Attack On Titan S03E20  720p WEB x264-URANiME[eztv]     6/17/2019       394 MB  114     37

$ cat tst.awk
BEGIN { FS=OFS="\t" }
{
    name = $1
    sub(/ [^ ]+$/,"",name)
    sub(/.* [Ss]/,"",$1)
    sub(/[Ee]/,OFS,$1)
    $2 = $1
    $1 = name
    print
}

$ awk -f tst.awk file
Attack On Titan 03      20      6/17/2019       394 MB  114     37

Substituindo guias por vírgulas na entrada/saída para visibilidade:

$ tr $'\t' ',' < file
Attack On Titan S03E20,720p WEB x264-URANiME[eztv],6/17/2019,394 MB,114,37

$ awk -f tst.awk file | tr $'\t' ','
Attack On Titan,03,20,6/17/2019,394 MB,114,37

e canalize a saída do script awk para um loop de shell para que você chame awk uma vez no início, em vez de chamar awk várias vezes para cada linha de entrada:

awk -f tst.awk file |
while IFS=$'\t' read -r torrent_name season_name episode_number file_size leech_number seed_number; do
    whatever you need to do with creating directories and files
done

Estou assumindo que um loop de shell é apropriado para tudo o que você está tentando fazer, mas não sei.

informação relacionada