如何从csv-文件中的文件名中删除路径

Question

我有一个csv文件，包括以下几行: 8;；

格罗特·施图德塔斯会见了“Twee Hanen”的gekleurde borduursel

De tas是吉阿克·范恩斯蒂夫·维尔特遇见了4毫米瓦尔特面包车

我们遇到了一些问题

范德塔斯是范斯塔夫

宾尼宁甚至还见过他。

Ook是de telefoon

De tas是ruim en praktisch

AFMETINGEN：

面罩: 46厘米(verstelbaar 7厘米)

Hoogte: 34厘米

het midden的Breedte : 42厘米

Bodemmaat: 30 x 10厘米

Schouderriem长55 cm tot 130 cm

Gebruikte materialen: vilt en kunstleer

Productiemethode: handwerk

在kleur 1.jpg;;;;;;;Fixed;New;Send;True，Vilten遇到了twee hanen；

​

包含的文件都有完整的路径，我只想要文件名。

于是2.jpg；变成了10_vilten_tas_2b_2.jpg；

正如您所看到的，路径的结构并不总是相同的。我可以使用某种linux命令吗？

Answer 1

假设您的所有路径都是http://`/`，那么

sed 's~http://.*/~~' <file>

将发生变化，例如：

http://staging.tassenmagazijn.nl/media/catalog/product/cache/0/image/a94bc919ee025799dd7ec1f1b7884918/1/0/10_vilten_tas_2b_2.jpg

至

10_vilten_tas_2b_2.jpg

Answer 2

这在很大程度上将取决于您的shell以及它可以用于read的工具，在本例中是分隔符';'。如果您有BASH或一些类似的shell，那么使用子字符串删除解决方案就很简单了。

#!/bin/bash

while read -d ';' -r line; do
    ((${#line} >= 12)) && [[ $line =~ http ]] &&
    printf "%s\n" ${line##*/}
done < "$1"

如果您仅限于POSIX，那么解决方案需要更多的工作，并且一旦sed被隔离，您将继续解析它。将每个URL从包含多个URL的用分号分隔的行中分离是有点棘手的。在POSIX中，您基本上必须在每一行中输入蠕虫，一次读取一个字符(大型文件的读取速度很慢)，下面将验证每一行在开始时都包含http：

#!/bin/sh

url=""
while read -r line; do 
    len=`expr length "$line"`
    urlstart=`expr index "$line" "h"`
    line=`expr substr "$line" "$urlstart" "$len"`
    while [ $len -gt 0 ]; do 

        c=`expr substr "$line" 1 1`

        if [ x$c = 'x;' ]; then
            if [ `expr length "$url"` -ge 12 ]; then
                # printf "url: %s\n" "$url"
                ulen=`expr length "$url"`
                urlstart=`expr index "$url" "h"`

                if [  $urlstart -gt 0 ]; then

                    if [ $urlstart -gt 1 ]; then
                        url=`expr substr "$url" "$urlstart" "$ulen"`
                    fi
                    urlflag=0

                    while [ `expr substr "$url" 1 4` != http ]; do
                        url=`expr substr "$url" 2 "$ulen"`
                        urlstart=`expr index "$url" "h"`
                        if [ "$urlstart" -eq 0 ]; then
                            urlflag=1
                            break
                        fi
                        url=`expr substr "$url" "$urlstart" "$ulen"`
                        ulen=`expr length "$url"`
                        if [ $ulen -le 12 ]; then
                            urlflag=1
                            break
                        fi
                    done

                    if [ $urlflag -ne 1 ]; then
                        if [ `expr substr "$url" 1 4` = http ]; then 
                            echo "$url" | sed -e 's/http.*\///'
                        fi
                    fi

                fi
            fi
            url=""

        else
            url="$url$c"
        fi
        line=`expr substr "$line" 2 "$len"`
        len=`expr length "$line"`
    done
done <"$1"

如果您能够确保URL只比某些常量长的行长，那么通过不搜索和验证每个包含http的字符串，可以显着地提高POSIX解决方案的性能。要根据长度解析URL，可以使用类似于以下内容的内容：

#!/bin/sh

while read -r line; do 

    printf "\n%s\n\n" "$line"
    len=`expr length "$line"`
    sidx=`expr index "$line" ";"`

    while [ $len -gt 0 ]; do 

        if [ $sidx -gt 0 ]; then 
            let end=sidx-1
            str=`expr substr "$line" 1 "$end"`
            slen=`expr length "$str"`
            if [ $slen -gt 12 ]; then
                echo "$str" | sed -e 's/^.*\///'
            fi
        else
            if [ $len -gt 12 ]; then
                echo "$line" | sed -e 's/^.*\///'
            fi
            break;
        fi

        let start=sidx+1
        line=`expr substr "$line" "$start" "$len"`

        len=`expr length "$line"`
        sidx=`expr index "$line" ";"`

    done

done <"$1"

12的长度只是作为jpeg文件(例如http://a.jpg )的最短URL计算出来的。

在所有情况下，您给出的示例文件的结果都是相同的：

输入

$ cat dat/httppaths.txt
;56.95;Vilten tas met twee hanen in kleur http://staging.tassenmagazijn.nl/\
media/catalog/product/cache/0/image/a94bc919ee025799dd7ec1f1b7884918/1/0/10_vilte\
n_tas_2b_2.jpg;http://staging.tassenmagazijn.nl/media/catalog/product/2/0/10_vilte\
n_tas_2c_1.jpg;http://staging.tassenmagazijn.nl/media/catalog/product/2/0/10_vilte\
n_tas_2d_1.jpg;;;;;;;Fixed;New;Send;True;

使用/输出

$ sh parsehttppath.sh dat/httppaths.txt
10_vilten_tas_2b_2.jpg
10_vilten_tas_2c_1.jpg
10_vilten_tas_2d_1.jpg

Answer 3

试着做这样的事情：

cat file.txt | grep jpg | grep http | grep "/" | awk -F "/" '{ for(i = 1; i <= NF; i++) if ($i ~ "jpg") {print $i} }' | awk -F ";" '{print $1}' | xargs

• 我对jpg后缀做了一些假设，还有http.