Dotaz: když jsou čísla na obtíž

[jaromir.kopravy]

Dobrý den, potřebuji zpracovat rozsáhlou databázi číselných hodnot a textových řetězců. Proto bych to nějak rád zautomatizoval, například sedem.

Jak mohu nahradit všechna racionální čísla (desetinná část je za tečkou) v databázi (resp. textovém souboru) za, například, znak "x")?

vstup: 555.32 nejaky text 2616486 nejaky text -868451 nejaky text

vystup: x nejaky text x nejaky text x nejaky text

A ještě jeden dotaz, v databázi jsou souřadnice bodů (bohužel ne vždy jako číslice, ale jako libolná změť čehokoliv), jako příklad A[0,1] B[3,x] C[nezname_souradnice]. Šlo by nějakou posloupností klasických bash nástrojů dojít k tomuto (oznaceni zacatku a konce napriklad retezci "souradnice" a "konec")?

vystup: A[0,1] nejaky text B[3,x] nejaky text C[nezname_souradnice]

vstup: souradnice[0,1]konec nejaky text souradnice[3,x]konec nejaky text souradnice[nezname_souradnice]konec

Děkuji za všechny nápady a návrhy, jak dojít ke kýženému výsledku.

Odpovědi

[____]

Jen přispěju nějakými těmi regexy pro sed.

1. sed s/-\{,1\}[0-9]\{1,\}\.\{,1\}[0-9]*/x/g
2. sed s/[A-Z]\(\[[^\]]\]\)/souradnice\1konec/g

Neověřoval jsem správnost. Raději bych to vůbec ještě přepsal v AWK nebo Perl, protože je ještě nutné něco doplnit, aby se nanahrazovala čísla obsažená v textové části, pokud tam vůbec nějaká jsou, ale nechce se mi brouzdat po dokumentaci.

[NN]

Ten prvni:

sed 's/[+-]\?[0-9]\{1,7\}[.]\?[0-9]\{1,3\}\?/x/g'

Vsechny vyskyty retezcu /g ktere muzou zacinat + nebo - nasleduje 1 az 7 cifer dale muze byt tecka a muze nasledovat dalsich 1 az 3 cifer.

Ten druhy:

sed 's/[A-Z]\[/souradnice\[/g'
sed 's/\]/\]konec/g'

Vsechny vyskyty retezcu, ktere zacinaji velkym pismenem a otevyraci hranatou zavorkou nahrad retezcem souradnice a otevyraci zavorkou.

Vsechny vyskyty retezce, ktery obsahuje hranatou uzavyraci zavorkou nahrad uzavyraci hranatou zavorkou a retezcem lkonce.

Asi by se oboji dalo vylepsit, ale oboji funguje.. NN

[jaromir.kopravy]

Děkuji za odpovědi, regulární výrazy řeší můj problém, až na jednu věc --- velká a malá písmena (akceptuje i ta malá při [A-Z]):

----------------------------------------------------------------------------------------

test: echo "A[1,2] B[3,x] C[souradnice]" | sed 's/[A-Z]\[/souradnice\[/g';

výstup: souradnice[1,2] souradnice[3,x] souradnice[souradnice]

----------------------------------------------------------------------------------------

test: echo "A[1,2] b[3,x] C[souradnice]" | sed 's/[A-Z]\[/souradnice\[/g';

výstup: souradnice[1,2] souradnice[3,x] souradnice[souradnice]

----------------------------------------------------------------------------------------

Zkoušel jsem vícero způsobů kombinace malých a velkých písmen a bash mi nedokáže rozeznat malá a velká písmena. Můžete mi, prosím, poradit, kde je problém???

[Ash]

Problém může vzniknout pokud vaše locales (příkaz locale) mají LC_COLLATE takové, že řazení velkých/malých písmen je (nepříklad) aAbBcC, potom A-Z zahrnuje velká i malá písmena (krom malého a).

Demo:

bash$ locale | grep LC_COLLATE
LC_COLLATE="cs_CZ.UTF-8"

bash$ echo "a[1,2] b[3,x] C[souradnice]" | sed 's/[A-Z]\[/souradnice\[/g';
a[1,2] souradnice[3,x] souradnice[souradnice]

bash$ echo "A[1,2] Z[3,x] C[souradnice]" | sed 's/[A-z]\[/souradnice\[/g';
souradnice[1,2] Z[3,x] souradnice[souradnice]

Řešení odolné proti různým řazením:

echo "A[1,2] b[3,x] C[souradnice]" | sed 's/[[:upper:]]\[/souradnice\[/g';