☰

Скрипт для извлечения текста с помощью grep

tag-icon • tag-icon scripts grep xml
Скрипт для извлечения текста с помощью grep

Я пытаюсь извлечь две текстовые строки из нескольких файлов данных в каталоге. Я хочу разделить текстовую строку с помощью символа ~ и отправить вывод в один файл.

Пример имени каталога: /xmldocs И имена файлов — это имена файлов: 1.xml, 2.xml,3.xml

Ожидаемый результат:

TEXT_STRING_ONE~TEXT_STRING_TWO   ------- This is from 1.xml
TEXT_STRING_ONE~TEXT_STRING_TWO   ------- This is from 2.xml
TEXT_STRING_ONE~TEXT_STRING_TWO   ------- This is from 3.xml

СКРИП используется вид работы только с одной командой grep

for i in `ls`
do
grep "Document ID:" $i
echo "~" 
echo "\n"
done >> /xmldocs/1.txt

Когда я вставляю вторую команду grep, grep 'CI[^"]' скрипт зависает и ничего не выводится.

Выходной ток составляет

<KMS_data id="KMS_documentId" name="Document ID:">12</KMS_data>
~
<KMS_data id="KMS_documentId" name="Document ID:">19</KMS_data>
~
<KMS_data id="KMS_documentId" name="Document ID:">6</KMS_data>
~


grep "Document ID:" $i
~


grep "Document ID:" $i
~


grep "Document ID:" $i > /xmldocs/1.txt
~

Любая помощь будет оценена по достоинству. Я совсем новичок в командах LINUX/UNIX и мне нужно извлечь информацию из 20 000 xml-файлов. Спасибо.

решение1

Идея заключается в обработке результата grep и добавлении его явно в выходной файл. Таким образом, вы можете использовать консоль для записи отладочных сообщений.

#/bin/bash

# Save output to this file
outputFile='./xmldocs/1.txt'
rm -f $outputFile

# List only *.xml files and iterate
for i in `ls *.xml`
do
    # Echo which file is being processed (only printed to console )
    echo 'Processing :'$i
    # Grep, remove trailing newline and append to $outputFile
    grep "Document ID:" -s $i | tr -d '\n'  >> $outputFile
    # Add char to separate
    printf "~" >> $outputFile
    # Grep, remove trailing newline and append to $outputFile
    grep 'CI[^"]' -s $i | tr -d '\n' >> $outputFile
    # Print newline to separate results
    printf "\n" >> $outputFile
done 

echo '!! done'

Если это не сработает, пожалуйста, опубликуйте другую строку, которую вы хотите проверить с помощью grep.

решение2

Что вам нужно paste:

#!/bin/bash
for f in *.xml
do
    paste -d '~' <(grep 'Document ID:' "$f") <(grep 'CI[\^"]' "$f")
done > /xmldocs/1.txt

решение3

Относительно того, почему скрипт может зависать при использовании grep 'CI[^"]', вам следует экранировать ^. Использование grep 'CI[\^"]'исправило проблему для меня. Это потому, что символ морковки, даже в пределах скобок, интерпретируется как отрицание.

EDIT: Исправление Steeldriver

Связанный контент