Perl或Awk:匹配电影运行时间超过5小时

Question

我需要重新编目所有运行时间超过5小时的电影。

示例数据：

239835<TAB> 92075<TAB>Moonlighting, seasons one and two<TAB>NVIDEO<TAB>DVD<TAB>6 videodiscs (approximately 1200 min.) :
628328  180001  7th heaven. NVIDEO  DVD 5 videodiscs (15 hr., 57 min.) :
773429  291072  Veronica Mars.  NVIDEO  DVD 6 videodiscs (842 min.) :
789908  379843  Castle in the Sky   NVIDEO  JDVD    2 videodiscs (approximately 125 min.) :
856287  208624  The Munsters.   NVIDEO  DVD 12 videodiscs (approximately 33 hr.) :
1076125 254085  From up on Poppy Hill (Rated PG)    NVIDEO  JDVD    2 videodiscs (91 min.) :
1154016 264851  Columbo.    NVIDEO  DVD 5 videodiscs (725 min.) :
1217001 113980  CSI, crime scene investigation. NVIDEO  DVD 5 videodiscs (approximately 732 min.) :
1227803 280535  Seattle Seahawks    NVIDEO  DVD 3 videodiscs (500 min.) :
1227804 280535  Seattle Seahawks    NVIDEO  DVD 3 videodiscs (500 min.) :
1287497 293511  Seattle Seahawks :  NVIDEO  DVD 3 videodiscs (400 min.) :
1287499 293511  Seattle Seahawks :  NVIDEO  DVD 3 videodiscs (400 min.) :
1367994 228775  Spongebob Squarepants.  NVIDEO  JDVD    4 videodiscs (469 min.) :
1368002 257248  SpongeBob SquarePants.  NVIDEO  JDVD    4 videodiscs (589 min.) :

是否有一个快速的perl或awk代码片段或一行程序：* Print整行if *# of "min“大于300或*# of "hr(s)”大于5

类似于：

perl -F\\t -ane 'print if $F[6] <substring or capture group representing minutes> > 300' file.csv

使用awk拉近距离

awk -F'\t' '$6 ~ /^.*\(.*[3-9][[:digit:]]{2}[[:space:]]+min.*\)/ {print}' minutes.csv

REGEX模式:分钟数大于300：/^.*\(.*[[:space:]][3-9][[:digit:]]{2}[[:space:]]+min.*\)/

大于1000分钟：/^.*\(.*[[:digit:]]{4,}[[:space:]]+min.*\)/

大于5小时：/^.*\(.*[[:space:]][5-9]{1}[[:space:]]+hr.*\)/

大于10小时：/^.*\(.*[[:space:]][[:digit:]]{4}[[:space:]]+hr.*\)/

有没有更简单、更简洁的方法？

Answer 1

与其试图用一个庞大的正则表达式来做所有的事情，我认为把它分成几个不同的正则表达式会更具可读性，也更容易理解，当你稍后再来看它的时候。不需要给perl看起来像线路噪声的刻板印象提供支持……

$ perl -F\\t -ane 'print if ($F[5] =~ /(\d+) hr\./ && $1 > 5) || ($F[5] =~ /(\d+) min\./ && $1 > 300)' input.tsv

这将提取第六列中hr.或min.之前的数字(如果匹配的字符串也出现在name列中，则仅提取该数字)，并对它们进行比较，以查看它们是否分别大于5或300，并且只打印那些匹配的行。

Answer 2

您可以将正则表达式与捕获组和perl一起使用：

> perl -ne'/\(.*?(?:(\d+) hr\.)?.*?(?:(\d+) min\.)?.*?\)/&&($1>5||$2>300)&&print' catalog
628328  180001  7th heaven. NVIDEO  DVD 5 videodiscs (15 hr., 57 min.) :
773429  291072  Veronica Mars.  NVIDEO  DVD 6 videodiscs (842 min.) :
1154016 264851  Columbo.    NVIDEO  DVD 5 videodiscs (725 min.) :
1227803 280535  Seattle Seahawks    NVIDEO  DVD 3 videodiscs (500 min.) :
1227804 280535  Seattle Seahawks    NVIDEO  DVD 3 videodiscs (500 min.) :
1287497 293511  Seattle Seahawks :  NVIDEO  DVD 3 videodiscs (400 min.) :
1287499 293511  Seattle Seahawks :  NVIDEO  DVD 3 videodiscs (400 min.) :
1367994 228775  Spongebob Squarepants.  NVIDEO  JDVD    4 videodiscs (469 min.) :
1368002 257248  SpongeBob SquarePants.  NVIDEO  JDVD    4 videodiscs (589 min.) :

Answer 3

因为5小时是300分钟，你不需要单独处理它们，只需将任何小时和/或分钟规格转换为分钟即可。使用任何awk：

awk -F'\t' '
    {
        hrs  = ( match($6,/[0-9]+ hr/)  ? substr($6,RSTART)+0 : 0 )
        mins = ( match($6,/[0-9]+ min/) ? substr($6,RSTART)+0 : 0 )
    }
    (hrs*60 + mins) > 300
' file

但是如果你愿意，你可以把它写成两个单独的测试：

awk -F'\t' '
    {
        hrs  = ( match($6,/[0-9]+ hr/)  ? substr($6,RSTART)+0 : 0 )
        mins = ( match($6,/[0-9]+ min/) ? substr($6,RSTART)+0 : 0 )
    }
    (hrs > 5) || (mins > 300)
' file