grep軟件在編輯與編務(wù)工作中的應(yīng)用

在編輯與編務(wù)工作中，如果能靈活運(yùn)用各種軟件，就會顯著提高效率。下面介紹一下grep軟件在這方面的應(yīng)用。

grep本是UNIX／Linux中的命令行程序(類似于DOS程序)，現(xiàn)在有多個Windows版本。它能夠利用稱為“正則表達(dá)式”的技術(shù)，輸出文件中具有某種規(guī)律(或稱模式)的文本行。這種規(guī)律可以是一個簡單的字符串，如“111”或 “computer”表示含有“111”或“computer”的行；也可以是復(fù)雜的字符串，如“1.3”可以匹配含有113，123，1_3(即在1和3之間有任意一個字符)的行，因為“.”表示匹配任意單個字符；而“12*3”可以匹配含有13，123，1223，12223(即在1和3之間有任意個2)的行，此處“*”表示“零個或多個前面的單個字符或字符組合”。

一、快速剔除書目中的三級標(biāo)題

有一批教材(70多本)的目錄保存在同一個純文本文件C:\\contents.txt中，現(xiàn)在要利用該文件制作一份書目。圖書目錄一般都有三級標(biāo)題，而在制作書目時，只需要一級和二級標(biāo)題。該文件中，標(biāo)題前面沒有空行。三級標(biāo)題序號的形式有三種，第一種形如“1.1.1”，即數(shù)字之間有一個英文句號；第二種形式如“1 1 1”，即數(shù)字之間有一個很寬的空格；第三種形式如“1．2．1”，即數(shù)字之間有一個英文句號緊跟一個空格。章號和節(jié)號最多可能為兩位數(shù)，高位均不為零，而小節(jié)號只有一位數(shù)，不可能為零。如果刪掉以這三種形式開頭的文本行，也就完成了剔除三級標(biāo)題的工作。

這個工作很難用Word完成，手工處理又相當(dāng)耗時。而使用grep軟件就可以快速達(dá)到目的。

上述三級標(biāo)題序號的第一種形式可以表示為“一個或兩個數(shù)字之后緊跟一個英文句號再緊跟一個或兩個數(shù)字再緊跟一個英文句號再緊跟一個數(shù)字”。而經(jīng)過分析，第二種形式中的“很寬的空格”與第三種形式中的“一個英文句號緊跟一個空格”實際上都是兩個“不可打印的”字符，因此后兩種形式可以用同一種模式表示，即“一個或兩個數(shù)字之后緊跟兩個不可打印的字符再緊跟一個或兩個數(shù)字再緊跟兩個不可打印的字符再緊跟一個數(shù)字”。而每個標(biāo)題各占一行，便于使用grep軟件。了解了這些信息，就可以使用grep軟件剔除三級標(biāo)題了。

首先要下載grep。grep包含在名為CygwinPortable的軟件包中，可以在瀏覽器中輸入以下鏈接下載該軟件：

http://cdnetworks-kr-1.dl.sourceforge.net/project/cygwinportable/cygwinportable/CygwinPortable%200.2／CygwinPortable-0.2.zip

解壓后進(jìn)入其文件夾，雙擊其中的CygwinPortable.exe圖標(biāo)，會出現(xiàn)一個類似于DOS窗口的界面，在其中可以輸入很多命令，包括grep。

grep的命令格式如下：

$ grep＇匹配模式＇原始文件

匹配模式前后均有空格，并且要加上單引號。模式內(nèi)部不能有空格（除非要匹配空格）。匹配后的結(jié)果將輸出到屏幕上。“$”是顯示在屏幕上的提示符，不必輸入。原始文件的內(nèi)容不受影響。

例如，書目中每本書的書號都是一個五位的數(shù)字，且單獨(dú)放在一行，前面沒有空格。要輸出這些書號，則可以輸入以下命令：

$ grep＇^[0-9]\\{5\\}＇contents.txt

按下回車鍵，屏幕上將輸出所有書號，每行一個?！癪”出現(xiàn)在匹配模式的開頭，表示從文本行的開頭進(jìn)行模式匹配。如果漏掉這個符號，則會輸出所有包括五位數(shù)字的行(如某行文字中含有“80486”，則該行也會輸出)。方括號表示匹配字符列表中的任意一個字符，如[0-9]表示匹配任意一個阿拉伯?dāng)?shù)字，而[a-zA-Z]表示匹配任意一個大寫或小寫英文字母。\\{n\\}表示欲匹配字符的個數(shù)，此處為5。

若不希望輸出匹配某個模式的文本行，例如要刪除所有書號，則可在模式前加入-v選項，即：

$ grep -v＇^[0-9]\\{5\\}＇contents.txt

將輸出不帶書號的目錄。

通常，輸出結(jié)果需要進(jìn)一步處理，因此應(yīng)將其用“>”保存在文件中，命令格式如下：

$ grep＇匹配模式＇原始文件 > 結(jié)果文件

例如

$ grep＇^[0-9]\\{5\\}＇contents.txt > result.txt

即可將所有書號保存在result.txt文件中，每個書號一行。若result.txt已經(jīng)存在，則以前的內(nèi)容將全被刪掉。結(jié)果文件名稱前如不加路徑，則表示保存在當(dāng)前路徑。

下面只要用兩步操作就可以完成書目處理。

（1）執(zhí)行如下命令：

$ cd c:

$ grep -v＇^[1-9][0-9]*[^[:print:]]\\{2\\}[1-9][0-9]*

[^[:print:]]\\{2\\}[1-9]＇contents.txt > step1.txt

若“^”是方括號中的第一個字符，則不再表示匹配文本行的開頭，而是對其后面的模式取相反結(jié)果。[:print:]表示可打印字符。因此[^[:print:]]\\{2\\}表示匹配兩個不可打印字符。注意單引號括住的部分沒有空格。

打開step1.txt，可以看到，序號形如“1 1 1”和“1. 1. 1”的三級標(biāo)題都被刪掉了。

（2） 執(zhí)行如下命令：

$ grep -v＇^[1-9][0-9]*\\.[1-9][0-9]*\\.[1-9][0-9]*＇step1.txt > step2.txt

此處，用“\\.”匹配英文句號，因為單個“.”可以匹配任意字符，而前面加上反斜線（稱為轉(zhuǎn)義符）后，就只能匹配英文句號。

打開step2.txt，可以看到，序號形如“1.1.1”的三級標(biāo)題也都被刪掉了，任務(wù)完成。

二、查找稿件中的不規(guī)范術(shù)語

grep還可以從一個文件中獲取欲匹配的模式，并且一次搜索多個文件。命令如下：

$ grep –f 含匹配模式的文件原始文件

例如，某位作者為其編寫的C++圖書提供了隨書源文件。部分文件的代碼注釋中使用了不規(guī)范的術(shù)語，如，把“面向?qū)ο蟆睂懗闪恕拔锛?dǎo)向”，把“內(nèi)存”寫成了“記憶體”?，F(xiàn)在要確定哪些文件含有不規(guī)范術(shù)語。如果逐一查找，比較費(fèi)時。此時可以把不規(guī)范的術(shù)語寫在一個名為jargons.txt的文件中，每行一個。將文件放在源文件所在目錄，假設(shè)是C:\\source。然后執(zhí)行如下命令：

$ cd c:

$ cd source

$ grep –f jargons.txt *.cpp

屏幕上就會輸出所有含有不規(guī)范術(shù)語的源文件名。

請注意：在進(jìn)行以上輸入時，要在英文狀態(tài)下進(jìn)行，并區(qū)分大小寫（文中涉及操作均為小寫）。而且grep只能操作純文本文件。由于版式限制，一些操作排成了兩行（實際上均應(yīng)為一行）。

參考文獻(xiàn)：

[1]陳向群，等譯. Brian W Kernighan， Rob Pike. UNIX編程環(huán)境 [M].北京：機(jī)械工業(yè)出版社，1999.

(作者單位：機(jī)械工業(yè)出版社計算機(jī)分社)