1

Estoy intentando recorrer varios archivos csv, los archivos csv tienen el siguiente formato:

XX_XXX01_XX.csv
XX_XXX02_XX.csv
XX_XXX03_XX.csv
XX_XXX04_XX.csv

y lo que quiero conseguir es obtener los numeros que hay en cada nombre del csv:

salida:

01
02
03
04

Lo he intentado de la siguiente forma y no me ha funcionado, también lo he intentado con cut, pero tampoco me fucniona. No sé en que fallo

for i in $(ls)
do

         echo "$i" | awk -F '{print $1}' $i

done

3 respuestas 3

2

Puedes hacerlo con expresiones regulares:


expreg="[a-zA-Z]{2}_[a-zA-Z]{3}([0-9]{2})_[a-zA-Z]{2}\.csv"

for nombre in $(ls)
do
    if [[ "$nombre" =~ $expreg ]]
    then
        echo "${BASH_REMATCH[1]}"
    fi
done
  • [a-zA-z] representa cualquier letra
  • [a-zA-z]{n} es cualquier letra repetida n veces
  • [0-9]{2} es cualquier dígito repetido dos veces, y los paréntesis alrededor es para capturar la expresión que coincida con esa parte
  • \.csv es, literalmente, la extensión .csv (hay que escapar el punto porque tiene un significado especial en una expresión regular)
1

Suponiendo que cada caracter será uno NO NUMÉRICO salvo esos que quieres extraer específicamente, puedes resolverlo con una sencilla expresión regular con grep:

ls <ruta de tu directorio> | grep -Po "\d+"

Si lo que quieres es para puro archivo con terminación .csv.

ls /mi ruta/*.csv | grep -Po "\d+"

Lo que hace grep es filtrar el texto que le pase por el stdin, y sus parámetros le indican lo siguiente:

  • "-P", usa expresiones regulares tipo Perl: esto lo hago para que que la expresión regular sea menos verbosa
  • "-o", para sólo imprimir los caracteres matcheados por la expresión

Y la expresión regular \d+ lo único que hace es indicar un número que se repita más de una vez:

  • "\d", metacaracter de número
  • "+", metacaracter de "más de una vez lo que tengo a la izquierda"

Dudo mucho que eso sea la expresión científica de la regex, pero igual se entiende.

gawk

El buen gawk, aunque más engorroso, también jala chido (mola mogollón):

ls <directorio> | awk '{ if (match($0, /[[:digit:]]+/, res)) print res[0] }'

Aquí el class character [[:digit:]] le indica al motor de regex de awk, lo mismo que a grep -P le indica \d, es decir, que matchee un número.

match es una función de gawk donde el contenido del primer parámetro (en nuestro caso es la línea entera ya que a la variable $0 tiene el contenido completo del renglón entero) lo filtra según la expresión regular del segundo parámetro, y el resultado lo asigna a un array en el tercer parámetro. El tercer parámetro lo limpia y asigna el resultado en la posición número 0, y a la posición número 1 si hay paréntesis en la expresión regular expresando subgrupos, y así sucesivamente.

Aquí su doc.

sed

También podemos usar la vieja navaja suiza sed:

ls <directorio> | sed -r 's/[^0-9]//g'

Donde con -r activa las expresiones regular, y la con expresión regular de arriba, le decimos que borre todo lo que NO sea un número.

0

Proponemos una solución más sencilla, dado que se pretende extraer únicamente los números que forman parte del nombre de archivo en las posiciones 7ª y 8ª. Pasamos una expresión glob a ls para que solo liste los archivos con el formato adecuado (? sustituye a un solo carácter). Filtramos la salida con cut, que nos permite la opción de cortar una lista de caracteres con -c, en este caso el 7º y 8º:

ls ??_?????_??.csv |cut -c 7-8

2
  • El patrón ??_????? ocupa 8 posiciones. Los archivos del OP tienen 11 posiciones (XX_XXX01_XX).
    – Candid Moe
    el 3 feb. 2023 a las 20:07
  • ¿Puedes editar la respuesta explicando cómo funciona ese código?
    – Mateo
    el 4 feb. 2023 a las 0:06

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.