Bash：使用另一个文件的行查找和替换文件中的行

Question

我有两个文件：masterlist.txt 包含数百行 URL，toupdate.txt 包含 masterlist.txt 文件中需要替换的少量更新版本的行。

我希望能够使用 Bash 自动执行此过程，因为这些列表的创建和使用已经在 bash 脚本中进行。

URL 的服务器部分是变化的部分，因此我们可以使用唯一部分进行匹配：/whatever/whatever_user.xml，但是如何查找和替换 masterlist.txt 中的那些行？即如何遍历toupdate.txt 的每一行，并在它以/f_SomeName/f_SomeName_user.xml 结尾时，找到以masterlist.txt 结尾的那一行并将整行替换为新行？

例如，https://123456url.domain.com/26/path/f_SomeName/f_SomeName_user.xml 变为 https://new-123.domain.com/1/path/f_SomeName/f_SomeName_user.xml。

masterlist.txt 的其余部分需要保持原样，因此我们必须只查找和替换具有相同行尾 (ID) 的不同服务器的行。

结构

masterlist.txt 看起来像这样：

https://123456url.domain.com/26/path/f_SomeName/f_SomeName_user.xml
https://456789url.domain.com/32/path/f_AnotherName/f_AnotherName_user.xml
https://101112url.domain.com/1/path/g_SomethingElse/g_SomethingElse_user.xml
https://222blah11.domain.com/19/path/e_BlahBlah/e_BlahBlah_user.xml
[...]

toupdate.txt 看起来像这样：

https://new-123.domain.com/1/path/f_SomeName/f_SomeName_user.xml
https://foo-254.domain.com/8/path/g_SomethingElse/g_SomethingElse_user.xml

期望的结果

使masterlist.txt 看起来像：

https://new-123.domain.com/1/path/f_SomeName/f_SomeName_user.xml
https://456789url.domain.com/32/path/f_AnotherName/f_AnotherName_user.xml
https://foo-254.domain.com/8/path/g_SomethingElse/g_SomethingElse_user.xml
https://222blah11.domain.com/19/path/e_BlahBlah/e_BlahBlah_user.xml
[...]

初步检查

我查看了sed，但我不知道如何使用这两个文件中的行进行查找和替换？

这是我目前所拥有的，至少在处理文件：

#!/bin/bash

#...

while read -r line; do
    # there's a new link on each line
    link="${line}"
    # extract the unique part from the end of each line
    grabXML="${link##*/}"
    grabID="${grabXML%_user.xml}"
    # if we cannot grab the ID, then just set it to use the full link so we don't have an empty string
    if [ -n "${grabID}" ]; then
        identifier=${grabID}
    else
        identifier="${line}"
    fi
    
    ## the find and replace here? ##    

# we're done when we've reached the end of the file
done < "masterlist.txt"

Answer 1

请您尝试以下方法：

#!/bin/bash

declare -A map
while IFS= read -r line; do
    if [[ $line =~ (/[^/]+/[^/]*\.xml)$ ]]; then
        uniq_part="${BASH_REMATCH[1]}"
        map[$uniq_part]=$line
    fi
done < "toupdate.txt"

while IFS= read -r line; do
    if [[ $line =~ (/[^/]+/[^/]*\.xml)$ ]]; then
        uniq_part="${BASH_REMATCH[1]}"
        if [[ -n ${map[$uniq_part]} ]]; then
            line=${map[$uniq_part]}
        fi
    fi
    echo "$line"
done < "masterlist.txt" > "masterlist_tmp.txt"

# if the result of "masterlist_tmp.txt" is good enough, uncomment the line below
# mv -f -- "masterlist_tmp.txt" "masterlist.txt"

结果：

https://new-123.domain.com/1/path/f_SomeName/f_SomeName_user.xml
https://456789url.domain.com/32/path/f_AnotherName/f_AnotherName_user.xml
https://foo-254.domain.com/8/path/g_SomethingElse/g_SomethingElse_user.xml
https://222blah11.domain.com/19/path/e_BlahBlah/e_BlahBlah_user.xml

[解释]

• 关联数组map 将/f_SomeName/f_SomeName_user.xml 等“唯一部分”映射到https://new-123.domain.com/1/path/f_SomeName/f_SomeName_user.xml 等“完整路径”。
• 正则表达式(/[^/]+/[^/]*\.xml)$，如果匹配，则分配shell变量 BASH_REMATCH[1] 从第二个最右边的斜杠开始 到字符串末尾的扩展名“.xml”。
• 在文件“toupdate.txt”的第一个循环中，它生成“唯一部分” 和“填充路径”对作为关联数组的键值对。
• 在文件“masterlist.txt”的第二个循环中，提取的 如果存在关联值，则测试“唯一部分”。如果是这样，则 行替换为关联值，“toupdate.txt”中的行 文件。

[替代]
如果文本文件很大，bash 可能不够快。在这种情况下，awk 脚本会更有效地工作：

awk 'NR==FNR {
    if (match($0, "/[^/]+/[^/]*\\.xml$")) {
        map[substr($0, RSTART, RLENGTH)] = $0
    }
    next
}
{
    if (match($0, "/[^/]+/[^/]*\\.xml$")) {
        full_path = map[substr($0, RSTART, RLENGTH)]
        if (full_path != "") {
            $0 = full_path
        }
    }
    print
}' "toupdate.txt" "masterlist.txt" > "masterlist_tmp.txt"

[解释]

• NR==FNR { BLOCK1; next } { BLOCK2 } 语法是一个常见的习惯用法 为每个文件单独切换处理。作为NR==FNR 条件 仅满足参数列表中的第一个文件和 next 语句跳过 下一个块，BLOCK1 仅处理文件“toupdate.txt”。 同样，BLOCK2 仅处理文件“masterlist.txt”。
• 如果函数match($0, pattern) 成功，它将设置awk 变量 RSTART 到 $0 之外匹配子串的起始位置， 从文件中读取的当前记录， 然后将变量RLENGTH 设置为匹配子串的长度。 现在我们可以提取匹配的子字符串，例如 /f_SomeName/f_SomeName_user.xml 使用 substr() 函数。
• 然后我们分配数组map，这样子字符串（唯一部分） 映射到“toupdate.txt”中的整个url。
• 第二个块的工作方式与第一个块大体相似。如果key对应的value 在数组map 中找到，然后将记录 ($0) 替换为 键索引的数组的值。

Answer 2

为什么不让sed 编写自己的脚本 - 生成所需的输出，

sed -e "$(sed -e 's<^\(http[s]*://[^/]*/[^/]*/\)\(.*\)<\\|\2\$| s|.*|\1\2|<' toupdate.txt)" masterlist.txt

在哪里

• 内部sed 命令有一个外部和一个内部substitution 命令
• 外部s (s<...<...<) 将scheme://domain/N/ 捕获为\1 和rest-of-path \(.*\) 作为\2 并将它们插入到外部sed 命令的脚本中
• 外部 sed 脚本 (\|\2$| s|.*|\1\2|) 查找以 masterlist.txt 结尾的 URL rest-of-path，替换（内部s）来自toupdate.txt的新URL
• 避免大量反斜杠转义< 和| 用作 两个s 命令的分隔符，\|...| 用于/.../