bash查找以字符串开头的行

我有一堆文件，我想找到其中一个包含以某个字符串开头的连续行的文件。

例如以下文件：

Aaaaaaaaaaaa
Baaaaaaaaaaa
Cxxxxxxxxx
Cyyyyyyyyy
Czzzzzzzzz
Abbbbbbbbbbb
Bbbbbbbbbbbb
Caaaaaa
Accccccccccc
Bccccccccccc
Cdddddd
Ceeeeee

有多个以'C'开头的行，因此我希望通过命令找到该文件。
例如以下文件：

Aaaaaaaaaaaa
Baaaaaaaaaaa
Cxxxxxxxxx
Abbbbbbbbbbb
Bbbbbbbbbbbb
Caaaaaa
Accccccccccc
Bccccccccccc
Cdddddd

总会有一行以'C'开头，我不要这个文件。我想到使用a grep或a，sed但我不知道该怎么做。也许使用正则表达式^C.*$^C或类似的东西。任何的想法 ？

与pcregrep：

pcregrep -rMl '^C.*\nC' .

POSIXly：

find . -type f -exec awk '
  FNR==1 {last=0; printed=0; next}
  printed {next}
  /^C/ {if (last) {print FILENAME; printed=1; nextfile} else last=1; next}
  {last=0}' {} +

（尽管这意味着使用awk不支持的实现完全读取所有文件nextfile）。

对于GNU grep2.5.4以下的版本：

grep -rlP '^C.*\nC' .

似乎可以工作，但这是偶然的，不能保证能工作。

在2.6中（通过commit修复）之前，GNU grep忽略了它使用的pcre搜索功能将与当前正在处理的整个缓冲区匹配grep，从而导致各种令人惊讶的行为。例如：

grep -P 'a\s*b'

与包含以下内容的文件匹配：

bla
bla

这将匹配：

printf '1\n2\n' | grep -P '1\n2'

但是这个：

(printf '1\n'; sleep 1; printf '2\n') | grep -P '1\n2'

要么：

(yes | head -c 32766; printf '1\n2\n') > file; grep -P '1\n2' file

不会（因为1\n2\n跨两个缓冲区由处理grep）。

该行为最终被记录了下来：

15-如何跨线匹配？

标准grep无法执行此操作，因为它基本上是基于行的。因此，仅使用'[：space：]'字符类并不符合您期望的换行符。但是，如果您的grep是在启用Perl模式的情况下编译的，则可以使用Perl的s修饰符（使。匹配换行符）：

     printf 'foo\nbar\n' | grep -P '(?s)foo.*?bar'

在2.6中修复该文件后，该文档未作修改（我曾经在那里报告过）。

与awk：

awk '{if (p ~ /^C/ && $1 ~ /^C/) print; p=$1}' afile.txt

如果以开头的连续行，将打印文件的内容C。该表达式(p ~ /^C/ && $1 ~ /^C/)将查找文件中的连续行，并且如果两个中的第一个字符都匹配，则该表达式的值为true C。在这种情况下，将打印该行。

为了找到所有具有这种模式的文件，您可以通过以下find命令运行上述awk ：

find /your/path -type f -exec awk '{if (p ~ /^C/ && $1 ~ /^C/) {print FILENAME; exit;} p=$1}' {} \;

在此命令中，find+ exec将遍历每个文件，awk并对每个文件执行类似的过滤，并通过FILENAMEawk表达式评估为true来打印其名称。为了避免FILENAME对具有多个匹配项的单个文件多次打印该exit语句（感谢@terdon）。

GNU的另一个选择sed：

对于单个文件：

sed -n -- '/^C/{n;/^C/q 1}' "$file" || printf '%s\n' "$file"

（尽管它也会报告无法读取的文件）。

对于find：

find . -type f ! -exec sed -n '/^C/{n;/^C/q 1}' {} \; -print

可以通过编写以下文件来避免打印不可读文件的问题：

find . -type f -size +2c -exec sed -n '$q1;/^C/{n;/^C/q}' {} \; -print

假设您的文件足够小，可以读取到内存中：

perl -000ne 'print "$ARGV\n" if /^C[^\n]*\nC/sm' *

说明：

• - 000：设置\n\n为记录分隔符，这将启用段落模式，该模式会将段落（由连续的换行符分隔）视为单行。
• -ne：将作为参数提供的脚本应用于-e输入文件的每一行。
• $ARGV ：当前正在处理的文件

• /^C[^\n]*\nC/：C在行的开头匹配（请参见sm下面的修饰符说明，以了解其在此处的作用），后跟0个或多个非换行符，一个换行符和另一个C。换句话说，找到以开头的连续行C。* //sm：这些匹配修饰符是（如[此处]所述）：

  • m：将字符串视为多行。也就是说，将“ ^”和“ $”从仅在字符串的左右两端匹配行的开头或结尾，改为在字符串中的任意位置匹配它们。

  • s：将字符串视为单行。即，更改“。” 可以匹配任何字符，甚至是换行符（通常不会匹配）。

您也可以做一些丑陋的事情：

for f in *; do perl -pe 's/\n/%%/' "$f" | grep -q 'C[^%]*%%C' && echo "$f"; done

在这里，perl代码将用%%这样的方式替换换行符，假设您%%在输入文件中没有换行符（如果为大则为大），grep将匹配以开头的连续行C。

解：

( set -- *files ; for f ; do (
set -- $(printf %c\  `cat <$f`)
while [ $# -ge 1 ] ;do [ -z "${1#"$2"}" ] && {
    echo "$f"; break ; } || shift
done ) ; done )

演示：

首先，我们将创建一个测试基础：

abc="a b c d e f g h i j k l m n o p q r s t u v w x y z" 
for l in $abc ; do { i=$((i+1)) h= c= ;
    [ $((i%3)) -eq 0 ] && c="$l" h="${abc%"$l"*}"
    line="$(printf '%s ' $h $c ${abc#"$h"})"
    printf "%s$(printf %s $line)\n" $line >|/tmp/file${i}
} ; done

上面在/tmpnamed中创建了26个文件file1-26。在每个文件中，有27或28行以字母开头a-z，然后是其余字母。每个第3个文件包含两个连续的行，其中第一个字符重复。

样品：

cat /tmp/file12
...
aabcdefghijkllmnopqrstuvwxyz
babcdefghijkllmnopqrstuvwxyz
cabcdefghijkllmnopqrstuvwxyz
...
kabcdefghijkllmnopqrstuvwxyz
labcdefghijkllmnopqrstuvwxyz
labcdefghijkllmnopqrstuvwxyz
mabcdefghijkllmnopqrstuvwxyz
...

当我改变时：

set -- *files

至：

set -- /tmp/file[0-9]*

我知道了

输出：

/tmp/file12
/tmp/file15
/tmp/file18
/tmp/file21
/tmp/file24
/tmp/file3
/tmp/file6
/tmp/file9

因此，简单来说，解决方案的工作方式如下：

sets子外壳位置到您所有文件的位置

setş嵌套子shell的positionals到每一行中因为它可以将每个文件的第一个字母。

[ tests ]如果$1否定$2表示匹配，则为

echoes文件名然后break是当前循环迭代

其他shift小号到下一个字符位置再试一次

该脚本使用grep和cut获取匹配行的行号，并检查是否有两个连续的数字。假定该文件是作为脚本的第一个参数传递的有效文件名：

#!/bin/bash

checkfile () {
 echo checking $1
 grep -n -E "^C.*$" $1 | cut -d: -f1 | while read linenum
     do
        : $[ ++PRV ] 
        if [ $linenum == $PRV ]; then return 1; fi
        PRV=$linenum
     done
     return 0
}

PRV="-1"
checkfile $1
if [ $? == 0 ]; then
   echo Consecutive matching lines found in file $1
fi