sed/regex 模式来搜索和替换文件名中的数字

Question

我有一组 3 个文件，用日期编码：

abc1_bbb_yyy_2_8_15.csv
abd1_bba_yzy_11_8_16.csv
aby1_qba_yay_11_21_16.csv

最后三个数字代表日期：

2815
11816
112116

我需要使用单个正则表达式过滤器仅提取与文件名中的日期相对应的数字，该过滤器还将结果转换为 MMDDYY 格式：

020815
110816
112116

感谢您的帮助！

Answer 1

awk -F'[_.]' '{printf "%02d%02d%02d\n",$(NF-3),$(NF-2),$(NF-1)}'

Answer 2

正如其他人所指出的，sed 并不是这项工作最优雅的工具。使用 perl，

fn='abc1_bbb_yyy_2_8_15.csv abd1_bba_yzy_11_8_16.csv aby1_qba_yay_11_21_16.csv'
for x in $fn; do
  echo $x | perl -n -e 'printf("%02d%02d%02d\n",/(\d+)_(\d+)_(\d+)\./)'
done

如果你真的被限制使用sed，那么这里有一个方法。第一个正则表达式将零添加到前面有下划线的数字。第二个查找后跟下划线或点的数字字符串，并删除每次出现的最后 2 个数字以外的所有数字。最后一个提取最后一个 6 位数字的字符串，前面是任何内容，但后面是非数字。

for x in $fn; do
  echo $x | sed -e 's/_\([0-9]\)/_0\1/g' \
    -e 's/[0-9]*\([0-9]\{2\}\)[_.]/\1/g' \
    -e 's/.*\([0-9]\{6\}\)[^0-9]*$/\1/'
done

结果：

$ for x in $fn; do
>       echo $x | sed -e 's/_\([0-9]\)/_0\1/g' \
>         -e 's/[0-9]*\([0-9]\{2\}\)[_.]/\1/g' \
>         -e 's/.*\([0-9]\{6\}\)[^0-9]*$/\1/'
>     done
020815
110816
112116

Answer 3

这似乎是一个可以尝试使用 sed 解决的有趣问题。

我更喜欢 TessellatingHeckler 的 perl 方法。 :-)

edit：睡过之后，我更喜欢 jthill 的 awk 方法。
尝试使用 sed 解决问题在技术上很有趣，但我不想长期使用它。

foo.dat

示例数据文件...

$ cat foo.dat
abc1_bbb_yyy_2_8_15.csv
abd1_bba_yzy_11_8_16.csv
aby1_qba_yay_11_21_16.csv
$

示例结果

请注意 sed -r 启用常规 epxression 扩展。

$ sed -rf foo.sed < foo.dat
020815
110816
112116
$ 

foo.sed

通常我不会这么冗长。 :-)

但我认为 cmets 会使目的更明确。

# Put a wedge between "prefix" and "date.CSV" part.
# We don't salvage the .csv extension, that drops off here.
# Note the space padding before/after \1, we'll use that shortly.
s/([0-9_]+)\.csv/ \1 /g
#    in:  "abc1_bbb_yyy_2_8_15.csv"
#    out: "abc1_bbb_yyy _2_8_15 "
# (If I knew how to do non-greedy matching in sed we could
# strip the prefix e.g. "abc1_bb_yyy" part here as well,
# but if we try that we end up with just "_15 ", e.g. our
# other month & day get eaten).
# Hence sacrificial space character that our
# next substitution will use to cut the prefix.

# Cut the prefix.
# strip up to, but not including, the first non-space char.
# (I don't think you can do non-greedy matching in sed).

s/^.* ([^ ])/\1/
#    in:  "abc1_bbb_yyy _2_8_15 "
#    out:              "_2_8_15 "

# change our underscores to two space chars.
# (turns out we need two intermediate spaces for
# the next substitution to work as a single "global" substitution)
s/_/  /g
#    in:   "_2_8_15 "
#    out:  "  2  8  15 "
# At this point all of our month/day/year parts 
# have *two* spaces between them.

# Next we do zero-padding if necessary.
s/ ([0-9]) / 0\1 /g
# Important: we're looking for a single space before
# and after any single digit.
#    in:  "  2  8  15 "
#   out:  " 02 08  15 "
# input broken out by single chars with "spc"= 1 space char.
#         +---+---+---+---+---+---+---+---+---+---+---+
# input:  |spc|spc| 2 |spc|spc| 8 |spc|spc| 1 | 5 |spc|
#         +---+---+---+---+---+---+---+---+---+---+---+
#              \         / \         /     no match, not
#               \       /   \       /      a single digit.
#                \     /     \     /
#                match 1     match 2
#               /       \   /       \
#              /         \ /         \
#         +---+---+---+---+---+---+---+---+---+---+---+
# result  |spc| 0 | 2 |spc| 0 | 8 |spc|spc| 1 | 5 |spc|
#         +---+---+---+---+---+---+---+---+---+---+---+
# Without "two spaces" between digits this
# would require 3 separate substitutions...
# doing a single global e.g. s/ ([0-9]) / 0\1 /

# Pretty much done, just strip the spaces.
s/ //g
#   in:   " 02 08  15 "
#   out:  "020815"

Answer 4

试试这个：

REST=cat # 不管你的管道的其余部分是什么......

( cat <<EOF
abc1_bbb_yyy_2_8_15.csv
abd1_bba_yzy_11_8_16.csv
aby1_qba_yay_11_21_16.csv
EOF
)\
| cut -d_ -f4-6 \
| cut -d. -f1 \
| sed -e 's/\([0-9][0-9]*\)/0\1/g' \
    -e 's/0\([0-9][0-9]\)/\1/g' \
    -e 's/_//g' \
| $REST

Answer 5

将文件名放入 t.txt

abc1_bbb_yyy_2_8_15.csv
abd1_bba_yzy_11_8_16.csv
aby1_qba_yay_11_21_16.csv

然后

$ cat t.txt | perl -p -e 's/(?<=_)(\d)(?=_)/0\1/g' | perl -p -e 's/.*(\d\d)_(\d\d)_(\d\d)\.csv/\1\2\3/'
020815
110816
112116

这不完全是 sed/awk/grep，因为 sed 不能进行环视，我现在不想 AWK，但它是正则表达式和 *nixy。

[编辑：好吧，不喜欢 Perl 的投票者，我的方法是先用 0 作为单个数字的前缀，然后提取两位数对。 sed 在没有环视或非捕获组的情况下很难做到这一点，但这是一个 sed 答案，它使用了@jgreve 的想法，即首先插入一个楔子。这还包括 YYYYMMDD 格式的输出，假设所有年份都是 20：

#                  #wedge        #single n to 0n            #extract __dd__mm__yy                                   to 20yymmdd
cat t.txt | sed -e 's/_/__/g' -e 's/_\([0-9]\)_/_0\1_/g' -e 's/.*__\([0-9][0-9]\)__\([0-9][0-9]\)__\([0-9][0-9]\)\.csv/20\3\2\1/'

]