2

Un archivo de requisitos contiene todos los paquetes instalados en Python, de modo que dicho archivo pueda usarse en otro lugar y reconstruir el entorno de programación original.

Un archivo de requisitos se ve así:

alabaster==0.7.9
arrow==0.8.0
awesome-slugify==1.6.5
Babel==2.3.4
binaryornot==0.4.0
blessings==1.6

Lo que quiero es eliminar la parte que indica la versión, en el caso de la primera línea alabaster==0.7.9, eliminar la parte ==0.7.9 y dejar solo alabaster.

Entiendo que al encontrar una coincidencia se crean dos grupos, pero no logro hacerlo funcionar. Lo estoy intentando en usando de la siguiente manera.

  1. Cuando pido el primer grupo:

    $ awk -F"==" '{print $1}' base.txt 
    

    obtengo esto:

    alabaster==0.7.9
    arrow==0.8.0
    awesome-slugify==1.6.5
    

    es decir, se repite el archivo.

  2. Cuando pido el segundo grupo con

    $ awk -F"==" '{print $2}' base.txt
    

    solo obtengo 50 líneas en blanco.

ADICIÓN:

Ahora busco con este patrón (\w+)(==.) con lo que hago dos grupos de match, estoy interesado en el primero. Pero si el el paquete se llama python-mimeparse ya no hay match. Debería poder agregar guiones por si algún paquete se llama paquete_python o paquete-python.

Adenda 2

Esta expresión (.+)(==)(.+) encuentra tres grupos, el primero es el paquete (que es lo que busco) y el tercerlo es la versión. Ahora solo necesito saber cómo usarlo en awk.

tercera edición

Publiqué una respuesta que resuelve el problema en Python, pero la idea es que la solución se aplique con alguna otra herramienta como awk, gawk, sed o incluso perl.

En esta publicación de SOen aparecen varias opciones, pero no he podido usar mi patrón de búsqueda en ninguna. No obtengo errores, pero tampoco algún resultado.

Alguas consideraciones:

  • Busco obtener solo el nombre del paquete, no la versión
  • No hay ningún paquete instalado, por lo que no hay nada que actualizar
  • La solución puede usar otra herramienta, como sed o grep
2
  • 3
    uh... yo probé tu primer snippet awk -F"==" '{print $1}' base.txt y salió exactamente como tú lo querías
    – ffflabs
    Commented el 10 mar. 2017 a las 19:57
  • 1
    @toldeano, concuerdo con amenadiel, mira
    – Marcos
    Commented el 10 mar. 2017 a las 21:19

4 respuestas 4

3

A. VALORES DE LA IZQUIERDA DE ==

Opción 1.

Capturar todo lo que está antes de ==

^.*?(?=\=\=)/gm

Opción 2.

Hacer un match sin capturar el grupo a partir de ==

Gracias @fedorqui

^.*?(?:==)/gm

DEMO

Resultado

alabaster
arrow
awesome-slugify
Babel
binaryornot
blessings

B. VALORES DE LA DERECHA DE ==

=.*

DEMO

Resultado

==0.7.9
==0.8.0
==1.6.5
==2.3.4
==0.4.0
==1.6
6
  • Gracias @ACedano, busco seleccionar la primera parte, o sea el nombre de los paquetes.
    – toledano
    Commented el 10 mar. 2017 a las 19:59
  • @toledano Prueba el nuevo regex actualizado. No pude hacerlo funcionar en una sola línea, por eso tiene el flag /gm al final.
    – A. Cedano
    Commented el 10 mar. 2017 a las 21:18
  • No estoy convencido de que el look-ahead sea correcto. Probablemente quieras utilizar ^.*?(?=\=\=) para indicar: coge todo hasta encontrar ==.
    – fedorqui
    Commented el 10 mar. 2017 a las 23:33
  • @fedorqui Funciona tanto el mío (A), como el tuyo. Puedes verlo en el DEMO.
    – A. Cedano
    Commented el 10 mar. 2017 a las 23:38
  • 1
    @fedorqui ¡Cierto! Muchas gracias. He editado la respuesta.
    – A. Cedano
    Commented el 11 mar. 2017 a las 0:00
2

La solución awk -F'==' '{print $1}' archivo utiliza un separador de campos (FS) con multicaracteres. Esto es válido siempre y cuando estés utilizando una versión de awk compatible con POSIX. Por ejemplo, en Solaris no funcionará.

Entonces la cuestión es: ¿cómo hacerlo funcionar?

Pues simplifiquemos: el fichero consiste en líneas de la forma módulo==versión. Por ello, lo que podemos hacer es eliminar = y todo lo que lo sigue:

$ cut -d'=' -f1 fichero
alabaster
arrow
awesome-slugify
Babel
binaryornot
blessings

Esto está diciendo: separa la línea basándote en = como separador (-d=) e imprime el primer campo resultante (-f1).

Puede ser un poco frágil, por lo que también puedes optar por utilizar sed:

sed 's/=.*//' fichero

Esto hace lo mismo: elimina a partir del primer símbolo =. Sin embargo permite ampliar el comando a algo más complejo como:

$ sed '/==/s/=.*//' fichero
alabaster
arrow
awesome-slugify
Babel
binaryornot
blessings

Que realiza esta sustitución solo en las líneas que contengan ==. Y si me apuras, puedes llegar a decir:

sed -n '/==/s/=.*//p' fichero

Para imprimir solamente estas líneas (-n inhibe la impresión por defecto y p imprime la línea actual).


Si realmente quieres utilizar match() de awk, utiliza:

$ awk 'match($0, /^(.+)==(.+)/, res) {print res[1]}' fichero
alabaster
arrow
awesome-slugify
Babel
binaryornot
blessings

Como ves, la sintaxis es match(línea, patrón, matriz de resultados). Por tanto, es cuestión de capturar los que nos interesen: en este caso solamente el primero, por lo que de hecho podríamos limitarnos a decir match($0, /^(.+)==/, res), sin necesidad de capturar el resto.


En resumidas cuentas: awk no parece la mejor solución aquí porque en según qué entornos puede que te dé problemas el separador de campos con multicaracteres. Hazte la vida fácil usando sed en este caso: no hace falta utilizar expresiones regulares tan complejas cuando un sed sencillito ya te da todo lo que necesitas.

1

Intenta este comando en Bash:

cat requirements.txt | grep -oP "\w+[-_]{0,1}\w+"

requirements.txt sería el archivo de requerimientos pip.

Lo importante es la expresión regular a utilizar y la que pongo incluye el requerimiento del separador guión o guión bajo; actualicé el ejemplo de @A. Cedano para que lo veas en vivo aquí.

Si necesitas guardar el resultado a un archivo (seguramente sí), puedes usar obviamente la redirección de salida; es decir:

cat requirements.txt | grep -oP "\w+[-_]{0,1}\w+" > salida.txt

Espero que te sirva, saludos.

4
  • Muchas gracias @FerGarcia, mira este pattern, es posible usarlo con grep, no encuentro como . Y funciona: regex101.com/r/AVCmvW/4
    – toledano
    Commented el 10 mar. 2017 a las 21:09
  • 1
    El problema de tu patrón es la expresión regular. Una regex describe lo que quieres obtener y ahí estás especificando que estás buscando "n caracteres + dos símbolos '=' + otros n caracteres", que básicamente ¡es igual a la línea completa!; en otras palabras: tu regex no está especificando que buscas solamente la primer parte, sino que estás describiendo toda la cadena completa. Commented el 10 mar. 2017 a las 21:19
  • Es que en este regex para Python (?P<paquete>.+)(==)(?P<version>.+) solo debería tomar el grupo paquete, pensé que se podía hacer algo asi. solo el primer grupo.
    – toledano
    Commented el 10 mar. 2017 a las 21:21
  • Nótese que cat fichero |grep ... es innecesario: grep ... fichero es más que suficiente. Luego, [-_]{0,1} es más fácil de entender con [-_]?. Puestos a utilizar grep, con la regex '^[^=]+ ya tienes suficiente: busca todo aquello que aparezca hasta =. La solución actual fallaría con una línea del tipo hola-que-tal==1.2.3.
    – fedorqui
    Commented el 10 mar. 2017 a las 23:23
1

La alternativa en Python es como sigue:

import re


r = re.compile('(?P<paquete>.+)(==)(?P<version>.+)'
for l in open('base.txt').readlines():
    print (r.search(l).group('paquete'))
  • En la primera línea se importa el módulo re que se encarga de las expresiones regulares.
  • Ya que vamos a aplicar la misma búsqueda a todas las líneas, creamos un objeto pattern o patrón de búsqueda con la expresión que buscamos:
    • El primer grupo tiene nombre paquete y se forma con cualquier caracter y cualquier cantidad.
    • El segundo grupo solo es un separador, formado por los signos de igualdad.
    • El tercer grupo tiene por nombre version y se forma por el resto de los caracteres después del segundo grupo.
  • Recorremos el archivo de requisitos, línea por línea,
  • Y la pasamos como argumento a la búsqueda (que usa el objeto compilado previamente) y solo se imprime el resultado del grupo paquete (o sea el match).
1
  • 2
    Desde el momento que todo lo que sigue a == no te interesa, puedes prescindir de recogerlo y decir directamente '(?P<paquete>.+)=='.
    – fedorqui
    Commented el 10 mar. 2017 a las 23:37

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.