找到模式后检索上一个和下一个模式

Question

过去 2-3 天我一直在谷歌搜索和搜索解决方案，但我似乎找不到任何解决方案。

基本上，我有一个包含数十万条记录的文本文件。这是文件中包含的内容的模式。

• 01 行：^D 23554
• 02 行：Q 123 325
• 第 03 行：Y qwe325
• 第 04 行：^P fiwkkwlds
• 第 05 行：Y qrwe
• 第 06 行：Y rtewt
• 07 行：^A 284274 DFL 2939955 001
• 08 行：F 2739
• 第 09 行：^D 23556
• 第 10 行：^k 2994
• 第 11 行：^A 284274 DFL 2939966 002
• 第 12 行：^k 29942
• 第 13 行：^k 32423
• 第 14 行：^A 284274 DFL 2939957 003
• 第 15 行：F 23425
• 第 16 行：^A 284274 DFL 2939958 004
• 第 17 行：F 92823
• 第 18 行：依此类推...

基本上，数据中没有特定的模式，但是每行的开头 --> ^D、Q、Y、^P、^A、F、^k 代表一个简单的消息。

我正在寻找一个脚本（最好是在 shell、perl 或 c++ 中），它将从第一行到最后一行扫描文件，并且

1) 检索 ^A 行中的所有值 2) 插入分隔符 3) 检索 ^D 行中的最后一个值 4) 插入分隔符 5) 检索 F 行中的下一个值 6）希望，用数据创建另一个文本文件

根据我之前的例子，下面是结果：

• 01 行：284274 DFL 2939955 001|23554|2739
• 02 行：284274 DFL 2939966 002|23556|23425
• 03 行：284274 DFL 2939957 003|23556|23425
• 04行：284274 DFL 2939958 004|23556|92823

换句话说：

来自 ^A 行的值 |上一个^D行的值|来自下一个 F 行的值。

有人可以帮助我吗？我一直在阅读有关哈希图和哈希表的信息，但我不太确定如何使用它们。我已经看到了很多使用 grep 的解决方案，您可以在其中找到一个模式 ex: ^A 并打印该模式之前/之后的最后 x 行，但是，由于该数据可能是超级随机的，因此前一个 ^D 消息或下一个 F 消息可以在任何线路上。

解决方案必须读取文件并始终将 ^D 和 F 行值保存在内存中，并在找到模式 ^A 时检索它们。

谁能帮帮我:)

谢谢！！！！

Answer 1

这是伪代码：

d_value = f_value = null
foreach line in input {
  if line matches ^A {
    print line | d_value | f_value
    d_value = f_value = null
  }
  else if line matches ^D
    a_value = <extracted value>
  else if line matches ^F
    f_value = <extracted value>
}

它假定 d 和 f 值在 a 之前。您可以添加错误检查以确保值存在。

希望对您有所帮助。

Answer 2

试试这个正则表达式：

(?<=\^A\s)(?<a>\V+)|(?<=\^D\s)(?<b>\V+)|(?<=\F\s)(?<c>\V+)

它将^A 值作为组（a），^D 值作为组（b），F 值作为组（c）。

匹配这些值后，您可以轻松地在此 Regex 上构建，以使用您选择的任何编程语言对它们进行排序。

演示：https://regex101.com/r/2tipn0/1

Answer 3

这个可行，但我认为大文件应该很慢：

IFS=$'\n'
readarray -t -O1 data< <(grep -h -e "\^D" -e "\^A" -e "^F" a.txt)
posA=1
for i in "${data[@]}"; do
if [[ "$i" = "^A"* ]]; then
    textA="${data[$posA]}"
    posD=$posA
    posF=$posA
    textD=""
    textF=""
    while [ "$posD" -ge 1 ] && [[ "$textD" != "^D"* ]]; do
    posD=$(($posD - 1))
    textD="${data[$posD]}"
    done

    while [ "$posF" -le "${#data[@]}" ] && [[ "$textF" != "F"* ]]; do
    posF=$(($posF + 1))
    textF="${data[$posF]}"
    done
    textADF="$textA | $textD | $textF"
    echo "ADF=$textADF"
fi
posA=$(($posA + 1))
done
unset IFS
exit

整个实现基于

的输出

grep -h -e "\^D" -e "\^A" -e "^F" a.txt

它被存储到一个数组“数据”中，然后代码操作这个数组，事实上while循环将在第一次匹配时停止。

也许您可以将上面的 grep 与 head 和 tail 结合起来以避免数组操作。

PS1：对 grep 也应用 -n 开关会提供有趣的输出。

PS2：我无法使用“^A ^D F”组直接 grep 文件以避免使用代码进行数组操作，但使用正则表达式可能会做到这一点。