☰

Obtenha a última ocorrência de um padrão antes de outro padrão

tag-icon • tag-icon text-processing
Obtenha a última ocorrência de um padrão antes de outro padrão

Em um arquivo como este:

...
Pattern2:TheWrongBar
foo 
Pattern2:TheRightBar
foo 
First Pattern
foo
...

Preciso encontrar a última ocorrência Pattern2disso antes First Patterndo que seria neste casoPattern2:TheRightBar

Minha primeira ideia é obter todo o arquivo restante antes First patterncom:

sed -e '/First Pattern/,$d' myfile | tac | grep -m1 "Pattern I need to get"

Não existe uma maneira de otimizar esse código?

Responder1

Com awk:

awk '/Pattern2/ {line=$0; next}; /First Pattern/ {print line; exit}' file.txt

  • /Pattern2/ {line=$0; next}: Se o padrão Pattern2for correspondido, salvando a linha na variável linee indo para a próxima linha

  • /First Pattern/ {print line; exit}: se First Patternfor encontrado, imprimindo a variável linee saindo

Exemplo:

% cat file.txt                                                                 
...
Pattern2:TheWrongBar
foo 
Pattern2:TheRightBar
foo 
First Pattern
foo
...

% awk '/Pattern2/ {line=$0; next}; /First Pattern/ {print line; exit}' file.txt
Pattern2:TheRightBar

Responder2

Você poderia correr

sed '/PATTERN2/h;/PATTERN1/!d;x;/PATTERN2/!d;q' infile

Como funciona:

sed '/PATTERN2/h         # if line matches PATTERN2 save it to hold buffer 
/PATTERN1/!d             # if it doesn't match PATTERN1 delete it
x                        # exchange buffers
/PATTERN2/!d             # if current pattern space doesn't match delete it
q' infile                # quit (auto-printing the current pattern space)

Isso só sairia se houvesse pelo menos uma correspondência de linha PATTERN2antes de alguma correspondência de linha PATTERN1, com uma entrada como

1
2
PATTERN1
PATTERN2--1st
3
PATTERN2--2nd
PATTERN1
...

ele irá imprimir

PATTERN2--2nd

Se você quisesse sair na primeira partida de PATTERN1qualquer maneira, você executaria

sed -n '/PATTERN2/h;/PATTERN1/!d;x;/PATTERN2/p;q' infile

que não imprime nada com a entrada acima (esta faz exatamente o que sua solução faz).

Responder3

Encontra a contagem de linhas do "Primeiro Padrão" e, em seguida, usa head para exibir as linhas acima dele, passa pelo tac e faz o grep.

head --lines=+"$(grep -nm1 "First Pattern" file | cut -d\: -f1)" file | tac | grep -m1 "Pattern2"

Por exemplo.

head --lines=+6 file | tac | grep -m1 "Pattern2"

Isso é mais confiável do que usar -m 1000000 no grep. Como a velocidade é importante para o OP, verifiquei o tempo de execução e também parece ser mais rápido que todas as outras respostas atuais (no meu sistema)

wc -l file
25910209 file

time awk '/Pattern2/ {line=$0; next}; /First Pattern/ {print line; exit}' file
Pattern2:TheRightBar

real  0m2.881s
user  0m2.844s
sys 0m0.036s

time sed '/Pattern2/h;/First Pattern/!d;x;/Pattern2/!d;q' file
Pattern2:TheRightBar

real  0m5.218s
user  0m5.192s
sys 0m0.024s

time (grep -m1 "First Pattern" file -B 10000000 | tac | grep -m1 "Pattern2")

real  0m0.624s
user  0m0.552s
sys 0m0.124s

time (head --lines=+"$(grep -nm1 "First Pattern" file | cut -d\: -f1)" file | tac | grep -m1 "Pattern2")
Pattern2:TheRightBar

real  0m0.586s
user  0m0.528s
sys 0m0.160s

Responder4

Acontece que a maneira mais eficienteNo meu casoera:

grep -m1 "First Pattern" my_file -B 10000000 | tac | grep -m1 "Pattern2"

Obviamente, a -Bopção não pode ser usada em alguns exemplos, mas grepé muito mais rápida do awkque sedoptei por essa solução. Se o valor da opção -Bfor maior, a busca será bem menos eficiente.

informação relacionada