grep 命令查找小于数字的前一个单词答案

【问题标题】：grep command to find previous word less than a numbergrep 命令查找小于数字的前一个单词
【发布时间】：2016-09-22 17:44:54
【问题描述】：

我需要一个 grep 命令的帮助：

grep match-word tomcat-0.log.* | grep "TOMCAT BENCH" | grep -v Normal

当前输出类似于：

tomcat-0.log:TOMCAT BENCH: match_word random-text 1420 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId>

我想修改它以仅显示经过值大于3000等数字的那些行

单词elapsed 始终存在，数字是单词before elapsed。

您能否修改grep 命令以过滤前一个单词并将其与数字进行比较？

【问题讨论】：

我认为awk 更适合这种任务......
虽然awk 解决方案更干净，但如果您有兴趣，我给您提供了grep 解决方案。 :)
我无法使用 awk，因为日志被压缩了，我实际上是先使用 zgrep 解压缩它
只需使用zcat file | awk。当您需要不同的阈值时，其他任何修改都会变得异常复杂。
@amitmah：您应该提到过有问题的压缩文件。同样正如@Ed 正确建议您使用zcat 和awk 一样，使用多个grep 不仅效率低下，而且不是进行数值比较的正确工具。

标签： regex linux shell awk grep

【解决方案1】：

使用 gnu awk 可以在一个命令中完成：

awk '/TOMCAT BENCH/ && !/Normal/ && match($0, / ([0-9]+) elapsed /, a) && a[1] > 3000' tomcat-0.log.*

【讨论】：

使用 POSIX awk 可以做到：awk '/TOMCAT BENCH/ && !/Normal/ && match($0, / ([0-9]+) elapsed /) && (p=substr($0, RSTART+1, RLENGTH-1)) != "" && sub(/ .*/, "", p) && p > 3000' log.txt
POSIXly 我有awk '/TOMCAT BENCH/ && !/Normal/{s=$0; $0=substr($0,1,index($0,"elapsed"))} $(NF-1) > 3000{print s}' 但它的想法相同，所以我删除了我的答案。

【解决方案2】：

保持简单，您只需要：

zcat file |
awk -F ' *elapsed.*' '/TOMCAT BENCH/ && !/Normal/{n=$1;sub(/.* /,"",n)} n>3000'

例如使用您发布的一行示例输入：

$ cat file |
awk -F ' *elapsed.*' '/TOMCAT BENCH/ && !/Normal/{n=$1;sub(/.* /,"",n)} n>1400'
tomcat-0.log:TOMCAT BENCH: match_word random-text 1420 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId>

【讨论】：

感谢这样更容易更改时间:)

【解决方案3】：

根据要求，这是一个全是 grep 的解决方案，尽显蛮力荣耀：

... | grep -E "([1-9][0-9]{4,}|3[0-9]{2}[1-9]|3[0-9][1-9]0|[4-9][0-9]{3}) elapsed"

让我们来解决这个问题：

[1-9][0-9]{4,} 匹配任何大于 9999 的数字。基本上，它会验证我们是否有一个数字字符串，其中包含大于 0 的 ten thousands place, 100 thousands place, ... 或更高的数字。
_{例如，12000会匹配，但02000 不会匹配。}
3[0-9]{2}[1-9] 匹配所有不以零结尾的数字3001 - 3999
3[0-9][1-9]0 匹配像 3010, 3120, 3990, etc. 这样以 0 结尾但不小于或等于 3000 的数字
[4-9][0-9]{3} 匹配大于 3999 的 4 位数字

如果前面的模式之一匹配，我们确保它后面紧跟字符串“elapsed”，在这种情况下，我们就完成了。

PS：记住，我们必须匹配大于 3000的数字。

PPS：请注意，我假设“elapsed”之前的字符串总是由数字组成；在我们检查数字之前，我不确定是否有空格。

PPPS：这是通过grep 完成的，因为它是被要求提供解决方案的工具。我绝不是建议 grep 是这样做的好方法...根本没有。

PPPPS：由于正在搜索的日志格式，我预计不必处理负数。因此，我没有。 :)

【讨论】：

那个正则表达式比它所需要的复杂得多（它相当于[3-9][0-9]{3}）但更重要的是它无法匹配10000、2000等。你可以纠正那个到([3-9]|[1-9][0-9])[0-9]{3}，但它仍然是进行数字比较的错误方法。只需使用 awk。
@EdMorton：感谢您的反馈！但是，我认为您在几点上是错误的。首先，它不等同于[3-9][0-9]{3}，因为它匹配3000，我们不应该这样做！（注意：出于某种疯狂的原因，即使我不应该匹配，我也分别匹配了 3000。但是，上面部分更正的解决方案不再与 @ 相同987654339@。）其次，它不应该与2000匹配。第三，OP要求grep解决方案，后来又说他不能使用awk。因此，在更新它以允许更大的数字后，我会坚持我的答案。 :D
@EdMorton：在那里。我给了一些读者注释，它现在可以处理大于 9999 的数字。JSYK。
您拥有的正则表达式绝对等同于我在评论中发布的内容，并且正如您在评论中所说的那样，它确实匹配 3000，当然我的意思是 20000，而不是我评论中的 2000。我理解您为什么发布 grep 解决方案，OP 说他不能使用 awk 是完全错误的，恕我直言，可以从正确的方向受益，而不仅仅是给他他所要求的。
@EdMorton：事实上，我同意你的看法。正如你所看到的，我确实澄清了grep 不是这样做的好方法这一事实，我个人更喜欢awk 解决方案，因为它们更干净、更优雅、更灵活。（说实话，我已经 +!d 了几个awk 解决方案，因为它们是最好的方法。）即使我对我的帖子有点激进（我承认 - 我在吹毛求疵，所以我有更多点），如果我知道它的存在，我可能会说一些关于zcat 的事情。无论如何，感谢您的 cmets - 他们让我注意到了 2 个错误（现已修复）。问候。

【解决方案4】：

您可以使用awk命令如下：

awk '{for(i=1;i<=NF;i++){ if($i == "elapsed") { if ($(i-1) >3000 ) print; } }}' file

假设您的示例输入文件是

$ cat file
t-0.log:TOMCAT BENCH: match_word random-text 1420 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId> 
t-0.log:TOMCAT BENCH: match_word random-text 5420 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId> 
t-0.log:TOMCAT BENCH: match_word random-text 420  elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId> 
t-0.log:TOMCAT BENCH: match_word random-text 3100 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId> 
t-0.log:TOMCAT BENCH: match_word random-text  0 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId> 
t-0.log:TOMCAT BENCH: match_word random-text 6596 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId>

运行awk 命令产生

$ awk '{for(i=1;i<=NF;i++){ if($i == "elapsed") { if ($(i-1) >3000 ) print; } }}' file
t-0.log:TOMCAT BENCH: match_word random-text 5420 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId> 
t-0.log:TOMCAT BENCH: match_word random-text 3100 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId> 
t-0.log:TOMCAT BENCH: match_word random-text 6596 elapsed Thu 2016-09-22 06:31:04:928 PDT <SessionID: id> <RequestID: reqId>

【讨论】：

【解决方案5】：

你只需要添加

| awk 'match($0, / ([0-9]+) elapsed /, a) && a[1] > 3000'

在你的命令末尾：

grep match_word tomcat-0.log.* | grep "TOMCAT BENCH" | grep -v Normal | awk 'match($0, / ([0-9]+) elapsed /, a) && a[1] > 3000'

【讨论】：

不，实际上根据我的问题，中间有一个随机文本，所以我无法预测列号
只是为了修正我的答案，这个命令在任何情况下都可以正常工作。但当然最好的解决方案是由 anubhava 给出的。
您的解决方案是 gawk 特定的，因为 match() 的第三个 arg 所以可能它对 OP 失败，因为他没有使用 gawk。

【解决方案6】：

使用numgrep：

... | grep elapsed | numgrep /3000../

【讨论】：