Comment trier par longueur de ligne, puis inverser alphabétiquement

Question

J'ai un grand ensemble (600 impair) de termes de recherche et de remplacement que je dois exécuter en tant que script sed sur certains fichiers. Le problème est que les termes de recherche ne sont PAS orthogonaux ... mais je pense que je peux m'en tirer en triant par longueur de ligne (c'est-à-dire en retirant les plus longues correspondances, puis alphabétiquement dans chaque longueur.

aaba 
aa 
ab 
abba 
bab 
aba 

ce que je veux est trié fixé comme:

abba 
aaba 
bab 
aba 
ab 
aa 

est-il possible de le faire en dire préfixer la longueur de la ligne et le tri par un champ

Pour bonus? des notes :-) !!! La recherche et le remplacer est en fait tout simplement un cas de remplacement terme avec _term_ et le code sed j'allais utiliser était s/term/_term_/g Comment puis-je écrire l'expression rationnelle pour éviter de remplacer les termes déjà à l'intérieur _ paires?

Answer 1

Vous pouvez compacter tout en un seul regexp:

$ sed -e 's/\(aaba\|aa\|abba\)/_\1_/g' 
testing words aa, aaba, abba. 
testing words _aa_, _aaba_, _abba_. 

Si je comprends bien votre question, cela résoudra tous vos problèmes: pas de "double remplacement" et toujours correspondre au mot le plus long.

Answer 2

Cela triera un fichier par la longueur de la ligne, les lignes les plus longues premières:

cat file.txt | (while read LINE; do echo -e "${#LINE}\t$LINE"; done) | sort -rn | cut -f 2- 

Cela remplacera term avec _term_ mais ne tourne pas _term_ en __term__:

sed -r 's/(^|[^_])term([^_]|$)/\1_term_\2/g' 
sed -r -e 's/(^|[^_])term/\1_term_/g' -e 's/term([^_]|$)/_term_\1/g' 

La première volonté fonctionne plutôt bien, sauf qu'il manquera _term et term_, laissant par erreur ceux qui sont seuls. Utilisez le second si c'est important. Voici mon cas de test stupide:

# echo here is _term_ and then a term you terminator haha _terminator and then _term_inator term_inator | sed -re 's/(^|[^_])term([^_]|$)/\1_term_\2/g' 
here is _term_ and then a _term_ you _term_inator haha _terminator and then _term_inator term_inator 
# echo here is _term_ and then a term you terminator haha _terminator and then _term_inator term_inator | sed -r -e 's/(^|[^_])term/\1_term_/g' -e 's/term([^_]|$)/_term_\1/g' 
here is _term_ and then a _term_ you _term_inator haha __term_inator and then _term_inator _term__inator 

Answer 3

Juste tuyau votre flux à travers ce type de script:

#!/usr/bin/python 
import sys 

all={} 
for line in sys.stdin: 
    line=line.rstrip() 
    if len(line) in all: 
     all[len(line)].append(line) 
    else: 
     all[len(line)]=[line] 

for l in reversed(sorted(all)): 
    print "\n".join(reversed(sorted(all[l]))) 

Et pour la marque bonus question: Encore une fois, faites-le en python (à moins qu'il y est vraiment une raison pas, mais je serais assez curieux de savoir)

Answer 4

Cela ne la sorte par la longueur, puis inverse alpha bits

for mask in `tr -c "\n" "." < $FILE | sort -ur` 
do 
    grep "^$mask$" $FILE | sort -r 
done 

L'utilisation tr remplace chaque caractère $FILE avec une période - qui correspond à un seul caractère grep.

Answer 5

Vous pouvez le faire dans une ligne de script Perl:

perl -e 'print sort { length $b<=>length $a || $b cmp $a } <>' input 

Answer 6

$ awk '{print length($1),$1}' file |sort -rn 
4 abba 
4 aaba 
3 bab 
3 aba 
2 ab 
2 aa 

je vous laisse essayer de se débarrasser de la première colonne vous