Dotaz: presun SEDem

[Buf]

Dobrý den, potřeboval bych programem sed vytvořit ze souboru rodcislo.txt nový soubor vystup.txt, který bude mít následující formát:
Jmeno Prijmeni DD. MM. RRRR
Soubor rodcislo.txt obsahuje seznam rodných čísel a jmen osob ve formátu:
rrmmdd/nnn...:Jmeno Prijmeni


Problém je v tom, že sedem umím jen nahrazovat a nebo vymazávat různé řetězce :

sed 's/[0-9]\{6\}\/[0-9]\{3,5\}/CUC/' rodcislo.txt
- místo rod. čísla napíše CUC


Jenže nevím jak to "přesunout". Poradí mi pls někdo?

Odpovědi

[Vojtěch Horký]

sed 's/\([0-9][0-9]\)\([0-9][0-9]\)\([0-9][0-9]\)\(/[0-9]\{3,5\}\)/\1.\2.RR\3 (\4)/

Ha, snad jsem někde nezapomněl nějaký backslash...

[l4m4]

Důležité asi je, že co se strčí ve vzoru do skupiny \(...\), na to se lze v nahrazení postupně odkazovat \1, \2, \3, ..., čímž je možno věci libovolně prohazovat.

Stejně je to zase nějaký domácí úkol.

[Buf]

Tak sem to vyresil (az na jednu drobnost : zeny maj u mesicu +5, coz nevim co s tim). Sice ten vas prikaz nebyl dobre, ale hodne moc mi pomohl. Děkuju vam obema...

[Vojtěch Horký]

zeny maj u mesicu +5, coz nevim co s tim

Zkuste použít AWK (funkce gensub umí to, co s/.../.../) - ten zvládá i jednoduchou aritmetiku.

[Ondřej Kubečka]

Ano, tohle dělá úlohu zajímavou... ale protože domácí úkoly by člověk měl řešit sám, aby se něco naučil, tak jenom postrčím (předpokládám, že to bude muset bát v sedu). Předpokládám, že cest bude více, tuto jsem naimplementovla a funguje:

Zpracovávaný řádek si schovejte, abyste mohl zkusit záměnu na ženské/mužské RČ (nezapomeňte si ho ve správnou chvíli načíst zpět). Podle výsledku provedete podmíněný skok a u ženského RČ nahradíte první číslici měsíce... pak už je to jenom rozřazení regulérním výrazem, jak ho popisovali lidé zde a v dalším vlákně s pár dodatky:

a) ty počty výskytů ve složených závorkách nejsou regexp, ale eregexp... což Vám může být jedno s gsedem na Linuxu, ale může Vás zaskočit na nějakém UNIXovém systému (třeba Solarisu). b) Když je v něčem hromada dopředných a zpětných uvozovek, tak bych se moc přimlouval za jiný oddělovač (což snad podporuje každá implementace sedu), neb to usnadní čtení. Třeba '#' (to se hezky liší od těch lomítek).

Kromě toho, že RČ rozlišuje pohlaví tam je ještě jeden zádrhel. Předpokládat ročník 19xx je podle mě chyba. Dobrá zpráva je, že formátování let lze vyřešit velmi podobně jako to pohlaví, akorát se to ještě trošičku zkomplikuje.

Zdar při řešení!

[Ondřej Kubečka]

Mea culpa... sypu si popel na hlavu. Počet výskytů ve "složenkách" samozřejmě regexp je a vesele ho můžete v sedu požívat i mimo svět gnutilit. Regexp nezná počty pomocí + a ?. Omlouvám se sedu i těm, kteří tuto konstrukci správně použili.

Tento zápis naopak nefunguje v eregexpu, takže v awku a egrepu si s nimi neškrtnete (nemluvím o gnu, kde je to vesměs jedno). Ke škodě přehlednosti a jednoduchosti psaní regulérních výrazů jsem si zvykl být docela hodně polopatický, abych neronil krokodýlí slzy tu nad nawkem, to nad sedem.

[Michal Kubeček]

Tento zápis naopak nefunguje v eregexpu

Funguje, jen se v RE ty složené (a kulaté) závorky na rozdíl od BRE nebackslashují.

[Ondřej Kubečka]

Jste si jistý? Kvalifikoval jsem to tím, že se nebavím o gnutilitách:

$  echo "0123
012345
0123456" | grep '^[0-9]\{6\}$'
012345

$ echo "0123
012345
0123456" | egrep '^[0-9]{6}$'

Případně k tomu sedu:

echo "0123
012345
0123456" | sed -ne '/^[0-9]\{6\}$/p'
012345

echo "0123
012345
0123456" | awk '/^[0-9]{6}$/{print}'

Ostatně i manuálová stránka egrep(1) to říká:

     The /usr/bin/egrep utility accepts full regular  expressions
     as described on the regexp(5) manual page, except for \( and
     \), \( and \), \{ and \}, \< and \>, and \n,  and  with  the
     addition of:
...
     4.  A full  regular  expression  that  may  be  enclosed  in
         parentheses ()for grouping.

Tj. vrací se nám pouze závorky, ne složené. Váše uvedený příklad je Solaris 10.

A protože ne jen Linuxem a gnu nástroji je živ člověk, tak jsem tam napsal to upozornění. ;) Lidi se pak někdy nestačí divit, když zasednou před něco s UNIXem.

[Michal Kubeček]

Já ale mluvil o tom, jestli je konstrukce se složenými závorkami součástí syntaxe rozšířených regulárních výrazů, ne o tom, jestli nějaká konkrétní implementace egrep nebo awk podporuje rozšířené regulární výrazy úplně nebo jen částečně. Takže vámi citovaný odstavec vlastně potvrzuje moje slova.

[Michal Kubeček]

To už je zase čas zápočtů?

P.S.: doporučuji zvyknout si na to, že sed a SED jsou dva různé příkazy…