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. a las 20:07
  • ¿Puedes editar la respuesta explicando cómo funciona ese código?
    – Mateo
    el 4 feb. a las 0:06

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

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