递归查找匹配一个或多个模式的文件的最佳方法

Question

我必须优化一个shell脚本，但是一周后，我没有成功优化它。

我必须递归搜索目录中的 .c .h 和 .cpp 文件，并检查是否存在这样的单词： "float short unsigned continue for signed void default goto sizeof volatile do if static while"

words=$(echo $@ | sed 's/ /\\|/g')

files=$(find $dir -name '*.cpp' -o -name '*.c' -o -name '*.h' )

for file in  $files; do
(
        test=$(grep -woh "$words" "$file" | sort -u | awk '{print}' ORS=' ')
        if [ "$test" != "" ] ; then
          echo "$(realpath $file) contains : $test"
        fi
)&
done
wait

我尝试过使用 xargs 和 -exec，但没有结果，我必须保持这种结果格式：

/usr/include/c++/6/bits/stl_set.h 包含：默认为 if void

也许你可以帮助我（优化它）..

编辑：我必须保持每个单词出现一次 是的：虽然，对于，易变的...... NOPE: while, for, for, volatile...

Answer 1

如果您有兴趣查找至少与您的任何模式匹配的所有文件，您可以使用globstar：

shopt -s globstar
oldIFS=$IFS; IFS='|'; patterns="$*"; IFS=$oldIFS  # make a | delimited string from arguments
grep -lwE "$patterns" **/*.c **/*.h **/*.cpp       # list files with matching patterns

---

全球之星

如果设置，则在文件名扩展上下文中使用模式“**” 将匹配所有文件和零个或多个目录和子目录。 如果模式后跟“/”，则只有目录和 子目录匹配。

Answer 2

这是一种方法，可以在保持所需格式的同时消除使用 find 和 bash 循环：

words='float|short|unsigned|continue|for|signed|void|default|goto|sizeof|volatile|do|if|static|while'
grep  -rwoE --include '*.[ch]' --include '*.cpp' "$words" path | awk -F: '$1!=last{printf "%s%s: contains %s",r,$1,$2; last=$1; r=ORS; delete a; a[$2]} $1==last && !($2 in a){printf " %s",$2; a[$2]} END{print""}'

工作原理

• grep -rwoE --include '*.[ch]' --include '*.cpp' "$words"路径

  这会递归搜索以path 开头的目录，只查找名称与全局匹配*.[ch] 或*.cpp 匹配的文件。

• awk -F: '$1!=last{printf "%s%s: contains %s",r,$1,$2; last=$1; r=ORS; delete a; a[$2]} $1==last{printf " %s",$2} END{print""}'

  这个 awk 命令重新格式化grep 的输出以匹配您想要的输出。该脚本使用变量last 和数组a。 last 跟踪我们所在的文件，a 包含到目前为止看到的单词列表。更详细：

  • -F:

    这告诉 awk 使用 : 作为字段分隔符。这样，第一个字段是文件名，第二个字段是找到的单词。 （限制：不支持包含: 的文件名。）

  • '$1!=last{printf "%s%s: 包含 %s",r,$1,$2;最后=$1; r=ORS；删除一个；一个[$2]}

    每当文件名$1 与变量last 不匹配时，我们都会开始输出一个新文件。然后，我们更新last 以包含这个新文件的名称。然后我们删除数组a，然后将键$2分配给一个新数组a。

  • $1==last && !($2 in a){printf " %s",$2; a[$2]}

    如果当前文件名与前一个相同并且当前单词之前没有见过，我们打印出找到的新单词。我们还添加了这个词 $2 作为数组 a 的键。

  • END{print""}

    这会打印出最后一个换行符（记录分隔符）。

多行版本的代码

对于那些喜欢将代码分散在多行中的人：

grep  -rwoE \
    --include '*.[ch]' \
    --include '*.cpp' \
    "$words" path | 
    awk -F: '
        $1!=last{
            printf "%s%s: contains %s",r,$1,$2
            last=$1
            r=ORS
            delete a
            a[$2]
        }
        $1==last && !($2 in a){
            printf " %s",$2; a[$2]
        }
        END{
            print""
        }'

Answer 3

您应该能够使用单个 grep 命令完成大部分操作：

grep -Rw $dir --include \*.c --include \*.h --include \*.cpp -oe "$words"

这会将其放入 file:word 格式，因此剩下的就是更改它以生成您想要的输出。

echo $output | sed 's/:/ /g' | awk '{print $1 " contains : " $2}'

然后您可以添加| sort -u 以获取每个文件中每个单词仅出现一次。

---

#!/bin/bash

#dir=.
words=$(echo $@ | sed 's/ /\\|/g')

grep -Rw $dir --include \*.c --include \*.h --include \*.cpp -oe "$words" \
    | sort -u \
    | sed 's/:/ /g' \
    | awk '{print $1 " contains : " $2}'