Замініть кілька рядків за один прохід

Я шукаю спосіб замінити рядки заповнювача у файлі шаблону конкретними значеннями, спільними інструментами Unix (bash, sed, awk, можливо perl). Важливо, щоб заміна проводилася за один прохід, тобто те, що вже відскановано / замінено, не повинно розглядатися для іншої заміни. Наприклад, ці дві спроби провалюються:

echo "AB" | awk '{gsub("A","B");gsub("B","A");print}'
>> AA

echo "AB" | sed 's/A/B/g;s/B/A/g'
>> AA

Правильний результат у цьому випадку, звичайно, бакалавр.

Загалом, рішення повинно бути еквівалентним скануванню вводу зліва направо на найдовший збіг до одного із заданих рядків заміни та для кожного матчу, виконуючи заміну та продовжуючи з цього моменту на вході (жоден з вже прочитаний вхід і заміни не повинні враховуватися для відповідностей). Насправді, деталі не мають значення, лише те, що результати заміни ніколи не враховуються для іншої заміни, повністю або частково.

ПРИМІТКА Я шукаю тільки правильні загальні рішення. Будь ласка, не пропонуйте рішення, які не спрацьовують для певних входів (файли введення, пошук і заміна пар), хоч вони малоймовірні.

Гаразд, загальне рішення. Наступна функція bash вимагає 2kаргументів; кожна пара складається із заповнювача та заміни. Вам належним чином цитувати рядки, щоб передати їх у функцію. Якщо кількість аргументів непарна, буде доданий неявний порожній аргумент, який ефективно видалить входження останнього заповнювача.

Ні заповнювачі, ні заміни не можуть містити символів NUL, але ви можете використовувати стандартні C- \діаграми, наприклад, \0якщо вам потрібно NULs (і, отже, вам потрібно написати, \\якщо ви хочете \).

Для цього потрібні стандартні інструменти побудови, які повинні бути присутніми в системі, подібній до пози (lex та cc).

replaceholder() {
  local dir=$(mktemp -d)
  ( cd "$dir"
    { printf %s\\n "%option 8bit noyywrap nounput" "%%"
      printf '"%s" {fputs("%s", yyout);}\n' "${@//\"/\\\"}"
      printf %s\\n "%%" "int main(int argc, char** argv) { return yylex(); }"
    } | lex && cc lex.yy.c
  ) && "$dir"/a.out
  rm -fR "$dir"
}

Ми припускаємо, що \вже уникнути необхідності в аргументах, але нам потрібно уникати подвійних лапок, якщо вони є. Ось що робить другий аргумент другого printf. Оскільки lexдія за замовчуванням є ECHO, нам не потрібно про це турбуватися.

Приклад запуску (з термінами для скептичного; це просто дешевий товарний ноутбук):

$ time echo AB | replaceholder A B B A
BA

real    0m0.128s
user    0m0.106s
sys     0m0.042s
$ time printf %s\\n AB{0000..9999} | replaceholder A B B A > /dev/null

real    0m0.118s
user    0m0.117s
sys     0m0.043s

Для великих входів може бути корисно надати прапор для оптимізації cc, а для поточної сумісності з Posix було б краще використовувати c99. Ще більш амбітна реалізація може намагатися кешувати згенеровані файли, а не створювати їх щоразу, але їх генерувати не зовсім дорого.

Редагувати

Якщо у вас є tcc , ви можете уникнути клопоту щодо створення тимчасового каталогу та насолоджуватися швидшим часом компіляції, який допоможе нормальним розмірам даних:

treplaceholder () { 
  tcc -run <(
  {
    printf %s\\n "%option 8bit noyywrap nounput" "%%"
    printf '"%s" {fputs("%s", yyout);}\n' "${@//\"/\\\"}"
    printf %s\\n "%%" "int main(int argc, char** argv) { return yylex(); }"
  } | lex -t)
}

$ time printf %s\\n AB{0000..9999} | treplaceholder A B B A > /dev/null

real    0m0.039s
user    0m0.041s
sys     0m0.031s

printf 'STRING1STRING1\n\nSTRING2STRING1\nSTRING2\n' |
od -A n -t c -v -w1 |
sed 's/ \{1,3\}//;s/\\$/&&/;H;s/.*//;x
     /\nS\nT\nR\nI\nN\nG\n1/s//STRING2/
     /\nS\nT\nR\nI\nN\nG\n2/s//STRING1/
     /\\n/!{x;d};s/\n//g;s/./\\&/g' |
     xargs printf %b

###OUTPUT###

STRING2STRING2

STRING1STRING2
STRING1

Щось подібне завжди буде замінювати кожне виникнення ваших цільових рядків лише один раз, оскільки вони трапляються sedв потоці в один біт на рядок. Це найшвидший спосіб, коли я можу уявити, що ти це зробиш. Знову ж , я не пишу C. Але це дійсно надійно обробляти порожні роздільники , якщо ви хочете його. Дивіться цю відповідь, як це працює. Це має ніяких проблем з якою - або не містять спеціальні символи оболонки або подібне - але це ASCII локалі конкретних, або, іншими словами, odне вихід мультибайтних символів на одній і тій же лінії і буде робити тільки один пров. Якщо це проблема, яку ви хочете додати iconv.

perlРозчин. Навіть якщо деякі заявляють, що це неможливо, я знайшов таке, але загалом простий матч та заміна неможливий, і навіть він погіршується через зворотний трек NFA, результат може бути несподіваним.

Загалом, і це потрібно сказати, проблема дає різні результати, які залежать від порядку та довжини замінних кортежів. тобто:

A B
AA CC

і вхідні AAAрезультати в BBBабо CCB.

Ось код:

#!/usr/bin/perl

$v='if (0) {} ';
while (($a,$b)=split /\s+/, <DATA>) {
  $k.=$a.'|';
  $v.='elsif ($& eq \''.$a.'\') {print \''.$b.'\'} ';
}
$k.='.';
$v.='else {print $&;}';

eval "
while (<>) {
  \$_ =~ s/($k)/{$v}/geco;
}";  
print "\n";


__DATA__
A    B
B    A
abba baab
baab abbc
abbc aaba

Checkerbunny:

$ echo 'ABBabbaBBbaabAAabbc'|perl script
$ BAAbaabAAabbcBBaaba