多个字符串多次出现的递归搜索

Question

这个问题是之前question 的方向延伸。下面提供了我的搜索要求

需要搜索的多个字符串存储在文件 values.txt（输入文件）中，例如包含如下信息

string1  1
string2  3
string3  5

• 其中第一列（string1、string2、string3）表示 需要搜索，而第二列表示的数量 要搜索的事件。
• 进一步的搜索需要在文件上递归执行 特定的文件扩展名（例如 .out、.txt 等）
• 搜索输出应定向到一个文件，搜索输出与文件名及其路径一起打印在该文件中。

例如，典型输出必须如下所示（用于递归搜索扩展名为 .out 的文件名）

<path_of_searched_file1/fileName1.out>
The full line containing the <first> instance of <string1>
The full line containing the <first> instance of <string2>
The full line containing the <second> instance of <string2>
The full line containing the <third> instance of <string2>
The full line containing the <first> instance of <string3>
The full line containing the <second> instance of <string3>
The full line containing the <third> instance of <string3>
The full line containing the <fourth> instance of <string3>
The full line containing the <fifth> instance of <string3>


<path_of_searched_file2/fileName2.out>
The full line containing the <first> instance of <string1>
The full line containing the <first> instance of <string2>
The full line containing the <second> instance of <string2>
The full line containing the <third> instance of <string2>
The full line containing the <first> instance of <string3>
The full line containing the <second> instance of <string3>
The full line containing the <third> instance of <string3>
The full line containing the <fourth> instance of <string3>
The full line containing the <fifth> instance of <string3>


and so on

使用 awk 是解决此搜索问题的最佳方法吗？如果是这样，有人可以帮我修改以前的question 中提供的 awk 代码，以满足我当前的搜索要求。

Answer 1

这是使用awk 的一种方式； YMMV。运行方式：

awk -f ./script.awk values.file $(find . -type f -regex ".*\.\(txt\|doc\|etc\)$")

script.awk的内容：

FNR==NR {
    a[$1]=$2;
    next
}

FNR==1 {
    for (i in a) {
        b[i]=a[i]
    }
}

{
    for (j in b) {
        if ($0 ~ j && b[j]-- > 0) {
            print > FILENAME ".out"
        }
    }
}

或者，这里是单行：

awk 'FNR==NR { a[$1]=$2; next } FNR==1 { for (i in a) b[i]=a[i] } { for (j in b) if ($0 ~ j && b[j]-- > 0) print > FILENAME ".out" }' values.file $(find . -type f -regex ".*\.\(txt\|doc\)$")

---

解释：

在第一个块中，创建一个关联数组，其中values.file 的第一列作为键，第二列作为值。第二个和第三个块读取使用find 命令找到的文件。在第一个块中形成的数组是重复的（使用awk 没有简单的方法来做到这一点；所以也许Perl 和Find::File::Rule 模块会是更好的选择？）对于找到的每个文件。在第三个块中，我们循环遍历每个键，搜索字符串并递减它的值，打印到带有“.out”扩展名的文件位置。