☰

特定のパターンの後に最初に見つかったパターンを含む行を削除する方法

tag-icon • tag-icon text-processing
特定のパターンの後に最初に見つかったパターンを含む行を削除する方法

特定のグループのエントリを削除するシェルスクリプトを作成しています。例: ファイル名は次のとおりです。dest.xml

<domain id="1" group_name="group1">
    <node id="ABC">
    <node id="PQR">
    <node id="XYZ">
</domain>
<domain id="2" group_name="group2">
    <node id="PQR">
    <node id="XYZ">
</domain>
<domain id="3" group_name="group3">
    <node id="ABC">
    <node id="PQR">
 </domain>

上記のファイル（ファイル名はdest.xml）からエントリを削除したいと思いますnode id="PQR"（group_name="group1"group2とgroup3では削除しないでください）。ファイルを順次読み込み、特定のグループから削除するだけです。ただし、ファイルが大きすぎると（> 10,000行）、時間がかかります。

簡単な方法がありますか？

答え1

awk形式が提供した例と異なる場合は、次のようにします。

awk -F'[<>="[:blank:]]+' '
  $2 == "domain" {group = $(NF-1)}
  !(group == "group1" && $2 == "node" && $(NF-1) == "PQR")
  ' < dest.xml > new-dest.xml

「group1」ドメインから「PQR」ノードを削除します。

$ diff -u dest.xml new-dest.xml
--- dest.xml    2013-02-22 07:01:48.732227421 +0000
+++ new-dest.xml        2013-02-22 07:02:16.111512820 +0000
@@ -1,6 +1,5 @@
 <domain id="1" group_name="group1">
     <node id="ABC">
-    <node id="PQR">
     <node id="XYZ">
 </domain>
 <domain id="2" group_name="group2">

XMLファイルからノードを削除したい場合は不可能です。データをできるだけ多くのバイトに戻すには、少なくともそのノードの後ろの部分を書き換える必要があります。

あるいは、ノードを空白に置き換えることもできます。つまり、対応するバイトのみを変更できます。

perl -ne '
  if (/<domain.*group_name="(.*?)"/) {
    $in = $1 eq "group1"
  } elsif ($in && /<node id="PQR"/) {
    s/./ /g;
    seek STDOUT,tell(STDIN)-length$_,0;
    print
  }' < dest.xml 1<> dest.xml

そのようなノードが1つだけ存在し、見つかったらすぐに処理を中止するには、上記を追加してください;exit。print

答え2

私は速いPythonスクリプトを書いたが、それは十分に単純であるかどうかはわかりません。

このスクリプトをdest.xml。

#!/usr/bin/python
import re
FILENAME = 'dest.xml'
GROUPNAME = 'group1'
NODEID = 'PQR'

with open(FILENAME) as f:
    in_group = False
    for line in f:
        line = line.strip()
        group_pattern = 'group_name="{0}">'.format(GROUPNAME)
        end_group_pattern = '</domain>'
        node_pattern = '<node id="{0}">'.format(NODEID)
        if re.search(group_pattern, line):
            in_group = True
        if re.search(end_group_pattern, line):
            in_group = False
        if re.search(node_pattern, line) and in_group:
            pass
        else:
            print line

これでawkバージョンです。

#!/usr/bin/awk -f
BEGIN {
    GROUPNAME = "group1"
    NODEID = "PQR"
    in_group = 0
    group_pattern =  ".*group_name=\"" GROUPNAME "\""
    end_group_pattern = "</domain>"
    node_pattern = "<node id=\"" NODEID "\">"
}
$0 ~ group_pattern {
   in_group = 1
}
$0 !~ node_pattern || in_group == 0 {
    print $0
}
$0 ~ end_group_pattern {
    in_group = 0
}

ファイル名を引数として使用して、このawkスクリプトを実行しますdest.xml。 Pythonバージョンよりも単純なようです。

関連情報