Hjälp med ett regexp

Jag förstår inte riktigt vad du vill åt. Ett RE som hittar första kommatecknet i varje rad ser ut så här:

^[^,]*,

men det hjälper dig knappast nånvart. Vad ska du göra sen? Vilken data ska användas, vilken ska bort och vad ska sättas in?

Posta en snutt indata och önskat resultat utifrån det, så är det lättare att hjälpa dig.

Fernet, jag undrar om du verkligen menar vad du skriver...
Vill du bara hitta början på varje rad kan du söka efter \r eller \n (beroende på plattform) med valfri sökfunktion och sedan gå ett tecken framåt.

Vill du gärna använda regex kan du köra t ex "(, [-.\d]*){6}\r" för att få varje värde som en egen capture (dock inklusive komma).

Jag har inte använt grep så mycket för regex, har för mig att den var lite begränsad vad gäller t ex explicit capture och lookahead (därför är förslaget lite förenklat).

Berätta mer exakt vad du är ute efter så kan vi diskutera vidare. Även om jag älskar regex så kan det vara lite långsamt ibland. Om data ser ut exakt som ovan skulle jag nog rekommendera att splitta vid varje komma och sen iterera igenom på vanligt sätt.

Edit: Se där, hade visst inte laddat om sidan på ett tag.

Nu är det lite klarare. Jag vet inte riktigt om jag gillar din idé med sök och ersätt direkt i datan (eller en kopia). Det känns mycket renare att parsa ut värdena (med regex eller annat) och sedan konstruera xml-dokumentet på egen hand. De flesta ramverk brukar ha bra stöd för detta i form av metoder AddNode(), AddAttribute() osv.

Provade du mitt förslag? Det var mer av ett tankesätt än en lösning egentligen. Om du dessutom sätter relevanta namn på dina capture groups kan du få riktigt snygg kod i slutändan.

Jag skulle inte säga dåligt, snarare "orent". Det handlar väl (som alltid) om hur generell och säker man vill göra sin lösning. Plötsligt om några månader ändras formatet (på data eller på xmlen du ska generera) en smula, och vips får du börja om från början. Delar du istället upp det i steg (parsa, skapa xml) behöver du bara ändra en liten del av koden. Detta är så klart bara tyckande/en känsla från min sida, du är själv bäst lämpad att avgöra vad som passar din situation / din kod.

Säg, visst kan du förstå hur jag tänker när jag tycker att ett mellandataformat av typen
"komma1 179.000komma2 44.000komma3 0.266komma4 -0.158komma5 0.021komma6 0.022" känns ganska kladdigt?

OK, då var det lite klarare. Följande awk-snutt löser ditt problem:

awk -F ', ' '{print "<node><x>"$2"</x><y>"$3"</y><value_1>"$4"</value_1><value_2>"$5"</value_2><value_3>"$6"</value_3><value_4>"$7"</value_4></node>"}' indatafil.txt

Flaggan -F sätter fältseparator till ', '
Resten skriver helt enkelt ut respektive kolumn i rätt XML-tagg. Eftersom data inleds med en separator börjar fältena med $2 istället för $1.

Ett alternativ hade varit att rensa upp separatortecknen innan, med hjälp av tr eller sed.

Vill du dessutom ha radbrutet mellan taggarna för att göra xml-filen lite mer läsbar kan du klämma in "\n".

efrewrewfefefd

Jag skapade en fil som du har med 1 miljon rader. Det tog 5 minuter och 47 sekunder. Den blev 45 MB stor. Jag hann pissa, tvätta mig, borsta tänderna och släcka lamporna. God natt

n=1
while [ $n -lt 1000001 ]
do
echo ', 179.000, 44.000, 0.266, -0.158, 0.021, 0.022' >> data.txt
n=$(($n+1))
done

Jag vet inte om det är jag som är Memek och varför du gratulerar mig... men det viktiga är ju att du får en lösning som funkar. Ska det dessutom bara göras en enda gång köper jag ditt fulhack.

Regex är dock kungligt att kunna. Måste rekommendera en fantastisk quickstart / tutorial på
http://www.regular-expressions.info/