0

En bash (GNU/Linux) tengo un fichero de texto y debo imprimir por pantalla aquellas líneas en las que se repita 8 o más veces un carácter específico, en mi caso la letra 'a'.

La opción más viable parece usar el comando grep -E, pero no termino de dar con la clave.

¿Alguien sabe cómo?

2 respuestas 2

5

Una línea en la que haya al menos 8 as será aquella formada por algo así como

.....a....a.....a.....a.....a.....a.....a....a...

Es decir, 8 apariciones de la letra a intercaladas entre ningún, uno o muchos caracteres.

Esto se puede representar fácilmente con la expresión:

(.*a){8}

Por lo que el comando que necesitas es:

grep -E '(.*a){8}' fichero

Veamos un ejemplo:

$ cat fichero
1
a1
a1a2
a1a2a3
a1a2a3a4
a1a2a3a4a5
a1a2a3a4a5a6
a1a2a3a4a5a6a7
a1a2a3a4a5a6a7a8
a1a2a3a4a5a6a7a8a9

Ejecutemos:

$ grep -E '(.*a){8}' fichero
a1a2a3a4a5a6a7a8
a1a2a3a4a5a6a7a8a9

Alternativamente, puedes usar awk. Si definimos el delimitador como la letra a misma, lo que tendremos será tantos campos como apariciones de a... más uno. Es decir, una línea con ninguna a tendrá un campo; una con una aparición de a, tendrá dos campos; etc.

Por tanto, debemos seleccionar aquellas líneas que tengan al menos 9 campos:

$ awk -F'a' 'NF>8' fichero
a1a2a3a4a5a6a7a8
a1a2a3a4a5a6a7a8a9

Alternativamente, también puedes convertir la cadena en una array, usando el hecho que split() devuelve el número de cachos que generó:

$ awk 'split($0, mi_array, "a")>8' fichero
a1a2a3a4a5a6a7a8
a1a2a3a4a5a6a7a8a9
1

Seguramente hay formas mejores, por ahora se me ocurre awk de la siguiente forma:

awk '{cnt=0;linea=$0;while (y=index(linea,"a")){cnt++;y++;linea=substr(linea,y)}if (cnt >= 8) print $0}' archivo

O a sugerencia de @fedorqui también de una forma más compacta

gawk 'BEGIN{FS="a"}{if (NF-1>=8) print $0}'
3
  • Si bien funciona, es bueno intentar utilizar las funcionalidades que ofrece awk de forma idiomática, como por ejemplo definir "a" como el separador de campos.
    – fedorqui
    el 21 abr. 2017 a las 22:21
  • Si, de acuerdo, es más compacto y seguramente más óptimo, lo agrego.. el 21 abr. 2017 a las 22:56
  • {if (NF-1>=8) print $0} es correcto, pero es una forma muy poco idiomática de decir awk 'NF>8' fichero, como en mi respuesta. Una de las bellezas de awk es su capacidad de ser sucinto: awk '/1/' fichero es lo mismo que awk '{if ($0 ~ /1/) {print $0}}' fichero. Lectura imprescindible
    – fedorqui
    el 24 abr. 2017 a las 8:22

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.