Discussion :

[Ticoche]

Bonjour,

Voici un exemple de fichier texte

nom;prenom;age;sexe;CP;ville;identifiant;bool
LeNom;LePrenom;18;H;75008;Paris;123456;0
VV;Ap;19;H;69001;Lyon;456789;1
VV;Bp;20;F;69002;Myon;789456;0
VV;Cp;21;H;69003;Nyon;741852;1
VV;Dp;22;H;69004;Oyon;852963;0
VV;App;19;H;69005;Pyon;147258;1
VV;Bpp;20;F;69006;Qyon;258369;0
VV;Cpp;21;H;69007;Ryon;369258;1
VV;Dpp;22;H;69008;Syon;258147;0
VV;Appp;19;H;69009;Tyon;159263;1
VV;Bppp;20;F;69010;Uyon;753869;0
VV;Cppp;21;H;69011;Vyon;658452;1
VV;Dppp;22;H;69012;Wyon;125458;0
xAn;Ap;69;H;19001;Lyon;458796;1
xBn;Bp;69;F;29002;Myon;569856;0
xCn;Cp;69;H;39003;Nyon;696969;1
xDn;Dp;69;H;49004;Oyon;123654;0
xAnn;App;69;H;59005;Pyon;452123;1
VV;Bpp;69;F;69006;Qyon;745213;0
xCnn;Cpp;69;H;79007;Ryon;584126;1
xDnn;Dpp;69;H;89008;Syon;69519;0
xAnnn;Appp;69;H;99009;Tyon;369369;1
xBnnn;Bppp;69;F;19010;Uyon;236985;0
xCnnn;Cppp;69;H;29011;Vyon;214587;1
xDnnn;Dppp;69;H;39012;Wyon;548755;0

J'aimerai trouver une commande Grep qui retourne toutes les lignes qui ont un CP dans le 69 ?
La seule ligne que j'ai pour le moment, et qui n'est pas très convainquante malgré qu'elle fonctionne presque, est :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
grep -E ";69[0-9][0-9][0-9];" exemple > sortie

Ce qui serait parfait, c'est pouvoir cibler exactement l'expression régulière sur le 5eme champ (après les 4eme "point-virgule")

Merci

édit: Le résultat doit être les 13 lignes qui commencent par VV
édit: J'ajoute également que la commande devra être optimisée, elle va tourner sur un fichier de +7Go

[jmelyn]

Bonjour,

Pourquoi faut-il que ce soit avec la commande grep? Est-ce que awk est acceptée aussi? Parce que c'est plus simple:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

awk -F ';' '$5 ~ /^69/' fichier_entree > fichier_sortie

Je ne vérifie pas qu'il y a 3 caractères numériques qui suivent le 69 pour des questions de performances, mais en ciblant sur le 5e champ qui doit commencer par 69, il y a peu de risques d'erreur.

Je serais curieux de voir les performances comparées de grep et awk dans ce cas.

Edit: Oups, j'oubliais... Pour comparer, il faut les deux solutions, alors voici le grep:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

grep -E '^([[:alnum:]]+;){4}69' fichier_entree > fichier_sortie

[pitipoisson]

Bonjour,

Sinon, avec grep :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

grep -E "^([^;]*;){4}69[[:digit:]]{3};" exemple > sortie

L'encrage en début de ligne est nécessaire pour éviter de sélectionner la ligne ou le CP (ou au moins le motif commençant par 69) est dans le 7ème champs.

Edit: je ne sais pas ce qui est le plus performant entre [[:digit:]]{3} et [0-9]{3} ... à tester sur un échantillon peut-être.

[Ticoche]

Le grep n'est pas une obligation, je vais étudier toutes vos propositions,

Merci

[N_BaH]

egrep '(H|F);69'

[jmelyn]

Il semble bien que '(H|F);69' fonctionne! Pourrais-tu expliquer, N_BaH, je ne vois rien dans le man et dans info. Moi, j'y vois juste "Homme + Femme --> 69", mais ça doit pas être la vraie réponse...

Edit: OK, compris! Tu utilises le pattern "H ou F suivi de ;69". Il faut espérer que cela ne se reproduise pas ailleurs dans la ligne: le champ 4 peut soit être H ou F. Pour sécuriser un peu, on peut ajouter: ';(H|F);69'

[pitipoisson]

Pour sécuriser un peu, on peut ajouter: ';(H|F);69'

Et encore faut-il être certain que ce champs soit bien renseigné dans tous les cas... sur plusieurs centaines de milliers d'enregistrement, il peut y avoir eu des oublis !
Même

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

egrep ";(F|H|);69" essai.txt

n'est pas vraiment sûr (mais qu'est-ce qui l'est )

[jmelyn]

Je suis tout-à-fait de ton avis, pitipoisson: Pour un fichier gérable à la main ça ne me ferait pas peur, je vérifie le fichier en jetant un coup d'oeil. Mais ici, impossible de détecter une erreur vu la taille du fichier.

Quid si à la place de H il y a h? On peut aller loin dans la tolérance d'erreurs. C'est la raison pour laquelle je préfère utiliser awk qui compte les champs pour moi. Bon maintenant s'il manque un séparateur, le fichier perd sa cohérence...