Dotaz: skript vypreparovani bloku textu grep sed

[Uran]

Tak jsem potreboval vypreparovat z textovych souboru konkretni ohraniceny blok textu.

Zdrojovy soubor:
[code]
.
.
.
.
[42]&nbsp;<a href="kniha/982">Netvoři z hlubin Wrecku</a><br />
[43]&nbsp;<a href="kniha/429">Čarodejnice z bažin 1</a><br />
[43]&nbsp;<a href="kniha/430">Čarodejnice z bažin 2</a><br />
[44]&nbsp;<a href="kniha/984">Beznadějné pátrání</a><br />
<p>Neřazené díly série</p><div class="dvouradek"><a href="kniha/1004">Adarhargský jed</a></div><div class="dvouradek"><a href="kniha/9549">Děti otroků</a></div><div class="dvouradek"><a href="kniha/1014">Dračí krev</a></div><div class="dvouradek"><a href="kniha/999">Charlungští bojoví obři</a></div><div class="dvouradek"><a href="kniha/1002">Jablka z Beltamoru</a></div><div class="dvouradek"><a href="kniha/1005">Kalužiny modré krve</a></div><div class="dvouradek"><a href="kniha/1012">Král posledního moře</a></div><div class="dvouradek"><a href="kniha/1015">Královský gambit</a></div><div class="dvouradek"><a href="kniha/10408">Krvavé arény</a></div><div class="dvouradek"><a href="kniha/1003">Meč proti sekeře</a></div><div class="dvouradek">Mise na Šámatu</div><div class="dvouradek"><a href="kniha/1010">Oheň v kapradí</a></div><div class="dvouradek"><a href="kniha/3995">První mise</a></div><div class="dvouradek"><a href="kniha/5460">Svatá válka</a></div><div class="dvouradek"><a href="kniha/1001">Šarlatové pláště</a></div><div class="dvouradek"><a href="kniha/1009">Ve stínu pravdy</a></div><div class="dvouradek"><a href="kniha/8345">Vládce hurikánů</a></div><div class="dvouradek"><a href="kniha/1013">Vnitřní záležitost</a></div><div class="dvouradek"><a href="kniha/6146">Zachraňte Titanic!</a></div><div class="dvouradek"><a href="kniha/1008">Zatykač na Stonea</a></div><div class="dvouradek"><a href="kniha/1011">Zkáza Tortugy</a></div><div class="dvouradek"><a href="kniha/5054">Zlato Alwogiry</a></div></div><div id="anotace">Informace / Anotace ke knize: <strong>Mise na Šámatu</strong>
<p>Generál Khov poslal Marka Stona na rutinní inspekci na planetu Šámat.
Takových inspekcí agenti SDPP vykonají za rok mnoho. Planeta je však velmi
nepohostinná. I přes mistrovské pilotní umění androida Raye jsou
sestřeleni. Opravit astronef je vzhledem k nedostatku náhradních dílů nad
síly i takového odborníka, jakým je Ray. Na Šámatu se některé dají
najít, ale…</p>

<p>Přežít a splnit úkol, v tom je Mark Stone mistr. Podaří se mu to i na
Šámatu?</p>

<!-- by Texy2! --></div><hr style="clear: left;" class="nevid" /></div> <!-- div.detail -->

</div> <!-- div.kniha_info -->


<hr style="clear: right;" class="nevid" />
<hr style="clear: left;" class="nevid" />


</div> <!-- div.content -->

<div id="footer">
<div id="paticka">
<div class="c">
  <a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/3.0/" class="fl">
    <img alt="Creative Commons License" style="border-width:0" src="http://i.creativecommons.org/l/by-nc-sa/3.0/88x31.png" /></a>
    This <span xmlns:dc="http://purl.org/dc/elements/1.1/" href="http://purl.org/dc/dcmitype/InteractiveResource" rel="dc:type">d&#237;lo</span>
    is licensed under a <a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/3.0/">Creative Commons Uve&#271;te autora-Neu&#382;&#237;vejte d&#237;lo komer&#269;n&#283;-Zachovejte licenci 3.0 Unported License</a>.
</div>
2005 - 2009 www.legie.info, <a href="http://www.3tecky.cz">Ladislav -Knedle- Ševcůj</a> - knedle[at]3tecky.cz |generováno 0.4105 sekund <a href="http://www.toplist.cz/zabava"><script type="text/javascript">
<!--
document.write ('<img src="http://toplist.cz/dot.asp?id=211177&amp;http='+escape(document.referrer)+'&amp;t='+escape(document.title)+'" width="1" height="1" border=0 alt="TOPlist" />');
//--></script></a><noscript><div><img src="http://toplist.cz/dot.asp?id=211177" style="border:none;"
alt="TOPlist" width="1" height="1" /></div></noscript>
<a href="http://whosread.com/cs/show/1576fh" title="online counter"><img src="http://whosread.com/counter/1576fh.gif" alt="online counter" width="80" height="15" class="noborder" /></a>

</div> <!-- div.paticka -->

</div> <!-- div.footer -->

</div> <!-- div.container -->

</body>
</html>

[/code]

Vzasade se mi jedna o vypreparovani teto sekce:

[code]<p>Neřazené díly série</p><div class="dvouradek"><a href="kniha/1004">Adarhargský jed</a></div><div class="dvouradek"><a href="kniha/9549">Děti otroků</a></div><div class="dvouradek"><a href="kniha/1014">Dračí krev</a></div><div class="dvouradek"><a href="kniha/999">Charlungští bojoví obři</a></div><div class="dvouradek"><a href="kniha/1002">Jablka z Beltamoru</a></div><div class="dvouradek"><a href="kniha/1005">Kalužiny modré krve</a></div><div class="dvouradek"><a href="kniha/1012">Král posledního moře</a></div><div class="dvouradek"><a href="kniha/1015">Královský gambit</a></div><div class="dvouradek"><a href="kniha/10408">Krvavé arény</a></div><div class="dvouradek"><a href="kniha/1003">Meč proti sekeře</a></div><div class="dvouradek">Mise na Šámatu</div><div class="dvouradek"><a href="kniha/1010">Oheň v kapradí</a></div><div class="dvouradek"><a href="kniha/3995">První mise</a></div><div class="dvouradek"><a href="kniha/5460">Svatá válka</a></div><div class="dvouradek"><a href="kniha/1001">Šarlatové pláště</a></div><div class="dvouradek"><a href="kniha/1009">Ve stínu pravdy</a></div><div class="dvouradek"><a href="kniha/8345">Vládce hurikánů</a></div><div class="dvouradek"><a href="kniha/1013">Vnitřní záležitost</a></div><div class="dvouradek"><a href="kniha/6146">Zachraňte Titanic!</a></div><div class="dvouradek"><a href="kniha/1008">Zatykač na Stonea</a></div><div class="dvouradek"><a href="kniha/1011">Zkáza Tortugy</a></div><div class="dvouradek"><a href="kniha/5054">Zlato Alwogiry</a></div></div><div id="anotace">Informace / Anotace ke knize: <strong>Mise na Šámatu</strong>
<p>Generál Khov poslal Marka Stona na rutinní inspekci na planetu Šámat.
Takových inspekcí agenti SDPP vykonají za rok mnoho. Planeta je však velmi
nepohostinná. I přes mistrovské pilotní umění androida Raye jsou
sestřeleni. Opravit astronef je vzhledem k nedostatku náhradních dílů nad
síly i takového odborníka, jakým je Ray. Na Šámatu se některé dají
najít, ale…</p>

<p>Přežít a splnit úkol, v tom je Mark Stone mistr. Podaří se mu to i na
Šámatu?</p>

<!-- by Texy2! --></div><hr style="clear: left;" class="nevid" /></div> <!-- div.detail -->
[/code]

Splichtil jsem tento skript, ktery funguje - $soub je nazev html souboru:

[code]a=`cat $soub | grep -n anotace | sed s#[^0-9][0-9]*##g | tail`
b=`cat $soub | wc -l`
d=$(($b-$a))
e=`$soub | tail --lines=$d`
f=`$soub | tail --lines=$d | grep -n 'Texy2' | sed s#[^0-9][0-9]*##g | tail`
cat $soub | tail --lines=$d | head --lines=$(($f-1))[/code]

Problem nastal v okamziku, kdyz jsem to chtel dat do cyklu (tech souboru je cca 14000):

[code]find . -iname '*' -type f | while read soub
do
a=`cat $soub | grep -n anotace | sed s#[^0-9][0-9]*##g | tail`
b=`cat $soub | wc -l`
d=$(($b-$a))
e=`$soub | tail --lines=$d`
f=`$soub | tail --lines=$d | grep -n 'Texy2' | sed s#[^0-9][0-9]*##g | tail`
cat $soub | tail --lines=$d | head --lines=$(($f-1))
done[/code]

pak jiz to nefunguje:

[code]ged@ged-laptop:~/data/prechodne/legie_data/anotace_test$ bash legie
legie: line 5: 233-: syntax error: operand expected (error token is "-")[/code]

Odpovědi

[Semo]

Citat vieme? Pred odoslanim si urcite tukol na tlacitko "Nahled komentare", takze si si mal overit, ci to niekto po tebe aj precita. Posli este raz normalne.

[Messa]

Tohle bych osobně řešil raději v Pythonu pomocí BeautifulSoup, než řešit v bashi, co kde escapovat a jestli to mám uzavřené v těch správných uvozovkách. Také doufám, že výsledek tvého snažení nebude porušovat autorský zákon ani dobré mravy.

Podle čeho vlastně chceš získat ten kus textu? Zdá se mi, žes to tu trochu popletl.

Ta chybová hláška bude způsobena nejspíš tím, že v jednom souboru prostě není anotace.

[Uran]

Uznavam naformatoval jsem to jako cune. Uz jsem vsak za vydatne pomoci nasel reseni:

#!/bin/bash
find ./anotace_test -iname '*' -type f | while read file; do
    text="$(cat ${file} |sed -n '/anotace/,/Texy2/p'|head -n -2|tail -n +2)"
    if [ -n "${text}" ];then
        echo --------------------zacatek--------------------
        echo "${text}"
        echo --------------------konec--------------------
    fi
done

exit 0