awk - AWK / 至少两个 'a' 字符但没有 'u' 字符

Question

我写下了以下 AWK 脚本来列出在完整路径中至少包含两个“a”字母且没有“u”字母的文件。

BEGIN {}

{
if ( (match($1, "^.*[a].*[a]+$") ) )
print $1
}

END{}

现在，您可以，脚本无法消除 '​​u' 字母。我必须进行哪些修改才能得到我想要的？

PS它从通过以下命令单独创建的名为“data”的文件中读取文件名及其完整路径。

find / -name '*' > data

Answer 1

由于您使用的是 bash，因此无需使用 sed、awk 或 find 等外部​​工具即可完成此操作。

#!/bin/bash

shopt -s globstar

for filename in **/*a*a*; do
  [[ "$filename" =~ u ]] || echo "$filename"
done 

如果这绝对必须是 awk，我会使用：

awk '/a.*a/ && ! /u/' data

更新：

根据 gniourf_gniourf 的礼貌警告，使用路径名扩展（globs）而不是正则表达式可能会获得更好的性能。这是一个（非科学）基准：

$ rm -f file
$ for (( i=1000000; i-- ; )); do echo u >> file; done
$ time bash -c 'while read i; do [[ $i = *u* ]]; done < file'

real    0m8.291s
user    0m6.570s
sys     0m1.717s
$ time bash -c 'while read i; do [[ $i =~ u ]]; done < file'

real    0m10.416s
user    0m8.676s
sys     0m1.735s

“用户”行是我们感兴趣的行。

这看起来好像 fileglob 的运行速度比正则表达式快约 30%，测试了一百万条记录并获得了积极的结果。

奇怪的是，当测试失败时并没有太大的改进：

$ time bash -c 'while read i; do [[ $i = *a* ]]; done < file'

real    0m8.244s
user    0m6.601s
sys     0m1.639s
$ time bash -c 'while read i; do [[ $i =~ a ]]; done < file'

real    0m9.757s
user    0m8.121s
sys     0m1.630s

在这百万次测试中，这只是 23% 的速度提升。如果这种对 shell 脚本的优化很重要（因为您正在运行数百万次测试并且不觉得有任何 CPU 周期可用），那么当您的课程从 awk 转到 bash 时，请考虑 gniourf_gniourf 的建议。

Answer 2

“列出在完整路径中至少包含两个 'a' 字母且没有 'u' 字母的文件”：

find / -type f -path "*a*a*" ! -path "*u*" > data

Answer 3

直接使用此任务的查找选项怎么样，从而data完全避免您的文件？

find / -name '*a*a*' -not -name '*u*'

现在，如果你真的需要你的文件data，那么 ased就足够了：

sed -n '/a.*a/{/u/!p}' data

如果你真的想使用awk：

awk '/a.*a/ { if ($LINE !~ /u/) print ; }' data

对于纯 bash 版本：

while read -r file; do
    if [[ "$file" = *a*a* ]] && [[ "$file" != *u* ]]; then 
        echo "$file"
    fi
done < data

data对于完全没有文件且没有任何命令的纯 bash 版本find，使用 glob：

#!/bin/bash

shopt -s globstar
shopt -s nullglob

for file in /**/*a*a*; do
    if [[ "$file" != *u* ]]; then
        echo "$file"
    fi
done

如果您有很多文件（通常是 中的情况），最后一个版本将比其他版本慢得多/。它会吞下所有的文件名，然后回显它们。具有 的解决方案find是最好的，因为文件名将在找到时被回显（和/或处理）。

希望这可以帮助！