Dotaz: Bash: Najít v souboru čísla a zaokrouhlit je

[michal]

Jak najít v souboru (plain text) všechna čísla s desetinnou čárkou a zaokrouhlit je na celá čísla ?

Příklad - původní soubor:
abcd 123,9
efg klmnopr
hbdsg 468
nnnn mmmmmm
95,4 ssssss

Požadovaný výsledný soubor:
abcd 124
efg klmnopr
hbdsg 468
nnnn mmmmmm
95 ssssss

Odpovědi

[wamba]

Třeba:

perl -Mlocale -pe 's/(\d+[,]\d+)/sprintf "%.0f", $1/ge'  puvodni_soubor.txt > vysledny_soubor.txt

[michal]

Funguje dobře, ale Perl vidím prvně v životě.

Rači bych awk nebo sed, které mi do bash scriptu přece jen lépe zapadají. Nicméně s nimi se mi to vyřešit nepodařilo.

[RM]

Tohle by nešlo?

sed -r 's/([0-9]+,[0-9]+)/printf %0.f \1/ge' file.txt

[RM]

ok, tak jednoduché to být nemůže, budu nad tím ještě dumat

[michal]

Jasně, že to tak být nemůže. Je tam plno chybových hlášení.

[RM]

Tak takhle, pokud ten soubor není moc velkej, protože je to docela pomalé. Jiná cesta pomocí sed nejspíš není a pro awk mi jednoduché řešení nenapadá. Perl bude podstatně rychlejší.

sed -r ":a;s/(.*)([0-9]+,[0-9]+)([^0-9]*)/printf '%s%0.f%s' '\1' '\2' '\3'/e; ta" /tmp/sedtest.txt

[michal]

Zase chybová hlášení ....

Funguje bohužel jenom ten Perl, ale ani to není ideální. Zaokrouhlená čísla jsou kratší. Zmizí čárka a desetinné místo. Proto je třeba přidat před každé zaokrouhlené číslo dvě mezery, jenže já ten Perl neumím změnit.

[RM]

možná nemáte GNU verzi sedu nebo jinou, která podporuje modifikátor e

[wamba]

Funguje bohužel jenom ten Perl, ale ani to není ideální. Zaokrouhlená čísla jsou kratší. Zmizí čárka a desetinné místo. Proto je třeba přidat před každé zaokrouhlené číslo dvě mezery, jenže já ten Perl neumím změnit.

Pokud skutečně stačí přidat jen dvě mezery, tak se jednoduše přidají do formátovacího řetězce v sprintf: " %.0f".

Perl-u není třeba se bát.

[Andrej]

Dá se to vyřešit i obecněji, bez spoléhání na konkrétní počet desetinných míst. Ne nutně v Perlu a ne nutně one-linerem.

[wamba]

Pomocí Perlu by to šlo například následovně

perl  -pe 's/(\d+)[,](\d+)/sprintf " " x length($2) . " %.0f", "$1.$2"/ge'  puvodni_sobor.txt

Otázka je jestli zrovna tohle zobecnění bude užitečné. Takových zobecnění se dá vymyslet spousta. Mě například napadlo, že pokud tisíce jsou odělěny mezerou, tak jednak ty mezery nadělají neplechu uprostřed čísla a jednak číslo jako 1 999,50 nedopadne při zaokrouhlování podle předpokladů. :)

Ale nač řešit problém tam, kde nemusí být. Nepřepokládám, že se snaží napsat nějaký univerzální nástroj, ale řeší jednorázovou záležitost.

[RM]

jj, není nad to, když se pro jednu čárku napíše dvacet řádků kódu ;). Komu vadí [s]printf verze, může na to jít přes matematickou funkci. Bude třeba nainstalovat modul Math::Round pomocí cpan:

perl -MMath::Round -pe 's/(\d+),(\d+)/round("$1.$2")/eg' file.txt

[wamba]

Tak lze i, podobně jak má on, namísto round použít int "$1.$2"+.5. Ale díky tomu, že tam potom chtěl vložit mezery, tak se ukázalo použití sprintf jako prozřetelný krok :)

[RM]

Požadavek na mezery jsem ignoroval, ale proč tedy mezery nedodat rovnou substitucí:

/(" " x length $2).round("$1.$2")/

nebo stejně při oříznutí pomocí int:

/(" " x length $2).int "$1.$2"+.5/

[michal]

Dík wamba, mezery fungují.

Ještě prosím něco. Existuje pro tvůj Perl - kód řešení in place, tedy něco jako i v sedu ? Prostě, změny udělat rovnou v jednom vstupnim souboru.

[wamba]

ano, překvapivě -i :), funguje i -i.bak podobně jako v Sedu.

perl -i.bak -pe '...' soubor.txt

[michal]

Výsledné finální řešení funguje správně a na jeden řádek. Takže díky. Definitivně vyřešeno.

[RM]

Ještě malá úprava ([^0-9]*)/ zaměnit za (.*)/

[michal]

Chybová hlášení ....

Začínám raději studovat Perl, zápis mi připomíná Céčko

[Andrej]

awk taky připomíná C, jen je mnohem jednodušší. Tak snad bude tohle fungovat.

[Andrej]

Tohle by mohlo jít. Tedy přinejmenším z požadovaného vstupu v dotazu to vyrobí ten požadovaný výstup.

awk '{for (i = 1; i <= NF; ++i) {z = $i; gsub(/,/, ".", z); if (z + " " == z) $i = int(.5 + z)} print $0}' < vstup > výstup

[Andrej]

Aha. Teprve teď jsem si všiml tohoto podivného upřesnění. To taky není problém. Stačí se v awk podívat, jak dlouhé je číslo před zaokrouhlením a po něm, a doplnit mezery. Laxní definice číselných literálů, kterou awk používá, shodou okolností přesně pasuje na tento typ problému. Proto se něco takového tak často vidí ve školních úlohách všeho druhu, že ano.

awk '{for (i = 1; i <= NF; ++i) {a = b = $i; gsub(/,/, ".", b); if (b + " " == b) {b = int(.5 + b); d = length(a) - length(b); $i = ""; for (j = 0; j < d; ++j) $i = $i " "; $i = $i b}} print $0}' < vstup > výstup

Protože mít tohle^^^ jako one-liner je už daleko za vepřovou hranicí, lépe to bude vypadat zformátované:

awk '{
       for (i = 1; i <= NF; ++i) {
         a = b = $i
         gsub(/,/, ".", b)
         if (b + " " == b) {
           b = int(.5 + b)
           d = length(a) - length(b)
           $i = ""
           for (j = 0; j < d; ++j) $i = $i " "
           $i = $i b
         }
       }
       print $0
     }' < vstup > výstup

Nebo jako samostatný spustitelný soubor se skriptem (nazvěme ho můj_hustý_skript.awk) takto:

#!/usr/bin/awk -f

{
  for (i = 1; i <= NF; ++i) {
    a = b = $i
    gsub(/,/, ".", b)
    if (b + " " == b) {
      b = int(.5 + b)
      d = length(a) - length(b)
      $i = ""
      for (j = 0; j < d; ++j) $i = $i " "
      $i = $i b
    }
  }
  print $0
}

Pak se to dá (po chmod +x můj_hustý_skript.awk) normálně spustit:

./můj_hustý_skript.awk < vstup > výstup

[Andrej]

Tohle tedy pochopitelně bude zaokrouhlovat i řetězce obsahující desetinné tečky, které (v českém prostředí) třeba nemají představovat čísla. Je-li něco takového nežádoucí, dá se to ošetřit jednoduchou drobnou úpravou, kterou už bych „ponechal čtenáři za cvičení“, jak s oblibou psal (ne)jeden slavný profesor. Škoda, že nejsem slavný profesor.

[Aleš Kapica]

Evidentně jsi nepochopil co je bash. Bash je primárně jakési lepidlo, určené k tomu, abys mohl používat malé, jednoúčelové utility. I když samozřejmě v něm to co chceš naprogramovat také lze.Pro práci s čísly se jinak používá bc.

Pokud jde o tvůj požadavek, tak uvažuj logicky - bash pracuje s textem. Takže kontroluj jednotlivé řetězce na výskyt čárky, použij čárku jako oddělovač a na tu část za ní aplikuj jednoduchou podmínku - podle toho, na jakou přesnost chceš jít. Bude-li větší než tebou zvolená prahová hodnota, připočítáš k levé části 1, jinak to necháš být.

[Josef Kufner]

Ušetříš si hromadu času, když na toto nepoužiješ bash — není na to stavěný.

[bash]

#!/bin/bash

awk '{for...  

Proč ne?