grep : corrigés
Ces exercices sont des questions de cours : les solutions se trouvent
toutes dans les pages de man des commandes en question. On suppose donc
connues les commandes de less, qui servent à se déplacer dans les
pages de man... et la commande servant à chercher un mot. Testez les
commandes sur des fichiers et répertoires d'essai pour vous faire la main et
comprendre ce qui se passe.
grep
grep
qui permettent d'obtenir des lignes de contexte (qui précèdent et/ou suivent
la ligne où figure le mot) ?
Il y en a plusieurs, qui se recoupent :
-num : le numéro indique le nombre de
lignes de contexte que l'on veut voir figurer avant et après la ligne où
figure le mot recherché. Par exemple, si on veut trois lignes de contexte,
avant et après la mot (soit sept lignes au total), on tape :
grep -3 ...
-A num (after) : le numéro
indique le nombre de lignes qui doivent suivre la ligne où figure le mot. Si
on en veut quatre, on tapera :
grep -A 4 ...
-B num (before) : le
numéro indique le nombre de lignes qui doivent précéder la ligne où
figure le mot. Si on en veut dix, on tape :
grep -B 10 ...
-C num (context) : équivalent à
-num. En fait, les trois lignes suivantes sont
strictement équivalentes :
grep -2 ... grep -C 2 ... grep -A 2 -B 2 ...
C'est l'option -n (number) qui sert à cela; le numéro
figure tout au début de la ligne, suivi d'un deux-points (:) et
du texte. Par exemple :
bireme ~ $ grep -n violon verlaine.tex
12:des violons de l'automne
Quand on fait une recherche dans plusieurs fichiers, le nom du fichier figure d'abord, puis le numéro de la ligne, et enfin le texte, le tout séparé par des deux-points. Par exemple :
bireme ~ $ grep -n violon *
verlaine.tex:12:des violons de l'automne
orchestre:45:Cordes : contrebasse, violoncelle, alto, violons.
Que se passe-t-il quand on demande également des lignes de
contexte ?
La disposition générale ne change pas, par contre, le signe utilisé pour
séparer la ligne de son numéro est un tiret (-) quand il s'agit
des lignes de contexte, et un deux-points quand il s'agit de la ligne voulue.
Par exemple :
bireme ~ $" grep -nC violon verlaine.tex
10-
11-Les sanglots longs
12:des violons de l'automne
13-bercent mon coeur
14-d'une langueur monotone
On utilise l'option -c (count) :
bireme ~ $ grep -c violon *
verlaine.tex:1
orchestre:1
grep
ignore la casse des caractères (différence entre majuscules et minuscules)
dans sa recherche ?
Par défaut, grep fait la différence entre les majuscules et les
minuscules; pour invalider ce comportement, on utilise l'option
-i (ignorecase).
C'est l'option -l qui permet de faire cela : afficher les
noms des fichiers où figure au moins une fois la chaîne de caractères
recherchée.
On veut en fait inverser le sens de la recherche : c'est l'option
-v qui fait cela.
On utilise l'option -L, qui affiche les noms de fichiers où ne
figurent pas la chaîne de caractères recherchée. Il ne faut bien sûr pas
confondre les options -l et -L...
grep ne
recherche que les lignes où figure le mot tel quel, et non pas ses
variantes ?
C'est l'option -w (comme word) qui sert à cela : un
mot complet est délimité comme suit :
Si donc on veut chercher «travail» et aucune forme dérivée de ce mot, on écrit :
grep -w travail mon-fichier
On veut chercher toutes les occurences des mots «terre» et «ciel» dans les
deux premiers chapitres de la première partie de Germinal, avec les
numéros des lignes. On propose deux solutions, la première utilisant les
ressources de la syntaxe de grep, la seconde utilisant l'option
-f avec un fichier.
grep : La structure
\(mot1\|mot2\) permet de chercher plusieurs mots. Ici, on tape la
ligne suivante :
grep '\(ciel\|terre\)' fichier
On met des apostrophes de part et d'autre de l'expression pour la protéger contre le shell, c'est-à-dire pour que le shell ne cherche pas à interpréter l'expression.
-f fichier» : dans un
fichier quelconque, que nous appellerons liste, on indique les
mots que l'on recherche : «ciel» et «terre». Chaque ligne correspond à un
mot recherché. Il ne faut donc pas mettre de ligne comme
terre ciel
car le programme chercherait la chaîne de caractères «terre ciel», qui est assez improbable en français. Il ne faut pas non plus laisser de ligne blanche : le programme afficherait l'ensemble du texte.
Quelle que soit la solution retenue, on veut ensuite afficher le numéro des
lignes (option -n); d'autre part, pour que la recherche soit
exhaustive, il vaut mieux que grep ne fasse pas de différence
entre les majuscules et les minuscules, avec l'option -i
(ignore case, ignorer la casse des caractères). Il faut aussi décider
si on cherche les mots tels quels, sans leurs variantes (comme «terre» au
pluriel), ou si on accepte ces variantes. Si on ne veut que le mot sans ses
dérivés, on utilise l'option -w.
Pour désigner les deux fichiers où faire la recherche, on peut les écrire littéralement :
zola1.txt zola2.txt
ou, mieux, utiliser les joker du shell :
zola[12].txt
[12] signifie «le caractère 1 ou le caractère 2».
Finalement, on peut taper, au choix :
grep -inw -f liste zola1.txt zola2.txt grep -inw -f liste zola[12].txt grep -inw '\(ciel\|terre\)' zola1.txt zola2.txt grep -inw '\(ciel\|terre\)' zola[12].txt
Et on obtient :
zola1.txt:13:ciel, le pavé se déroulait avec la rectitude d'une jetée, au milieu de zola1.txt:36:brûlaient si haut dans le ciel mort, pareils à des lunes fumeuses. Mais, au zola1.txt:50:besogne. Les ouvriers de la coupe à terre avaient dû travailler tar d, on zola1.txt:124:terre, lorsqu'un accès de toux annonça le retour du charretier. Le ntement, zola1.txt:191:bleues en plein ciel, comme des torches géantes. C'était d'une tristesse zola1.txt:207: Le manoeuvre, après avoir vidé les berlines, s'était assis à terre, zola1.txt:222:fois avec tout le poil roussi, une autre avec de la terre jusque dans le (...)
Le résultat est un peu différent quand on n'utilise pas l'option
-w.
grep recherche des chaînes de caractères, qui peuvent être un mot
complet («terre»), une suite de lettres («tre»), ou une expression régulière.
Les expressions régulières sont des formules qui représentent des chaînes de
caractères. On cherche alors non pas un mot précis, mais des suites de
caractères correspondant aux critères demandés. Elles sont d'un usage fréquent
avec grep bien sûr, mais aussi avec des commandes comme
less, ou encore au sein d'un éditeur.
«Expressions régulières» (Regular expressions en anglais) se traduisent en bon français par «expressions rationnelles», mais l'usage est de dire «régulières».
Ces exercices n'entendent pas remplacer un cours sur les expressions régulières, ni faire le tour de leurs possibilités.
Il faut indiquer que l'on veut le début de la ligne, avec le chapeau (caret en anglais). Ensuite, on veut préciser que la ligne commence par un «a» minuscule ou majuscule. Il y a deux façons de le faire :
-i qui fait ignorer la différence entre
les majuscules et le minuscules.[abc] signifie «a ou b ou c». Ici, ce sera
[aA].Enfin, il faut protéger les signes contre le shell, pour qu'il ne les interprète pas; on met donc l'expression entre apostrophes. Remarque : la protection des expressions régulières contre le shell est une question complexe....
Il faut donc écrire :
grep -i '^a' fichier
ou
grep '^[aA]' fichier
C'est le dollar ($) qui représente la fin de la ligne. Il faut
donc écrire :
grep 'rs$' fichier
Pour désigner un chiffre, on peut en indiquer une liste entre crochets :
[0123456789]. Il est plus simple d'utiliser une classe de
caractères : [0-9] qui désigne, comme la solution précédente,
n'importe quel chiffre de zéro à neuf.
Il faut donc taper :
grep '[0-9]' fichier
Comme on l'a vu, c'est le chapeau qui indique le début de la ligne. Pour
indiquer que l'on cherche une majuscule, on peut soit en donner une liste
([ABCDEFGHIJKLMNOPQRSTUVWXYZ]), soit utiliser une classe de
caractères : [A-Z], la seconde solution étant, de loin,
préférable...
Il faut donc taper :
grep '^[A-Z]' fichier
Il faut indiquer entre crochets les trois lettres recherchées :
grep '^[BEQ]' fichier
Le point d'exclamation n'a pas de signification particulière avec
grep, on peut donc le mettre tel quel :
grep '!$' fichier
Il faut donner une liste de caractères, que l'on ne veut pas voir figurer; la liste sera entre crochets, comme on l'a déjà vu, et c'est le chapeau qui signifiera, dans ce contexte, «sauf». Par exemple, si on cherche tous les «a», sauf ceux suivi de «b», «c» ou «t», on écrit :
grep 'a[^bct]'
Il y a une seconde difficulté, qui vient de ce que certains caractères sont
spéciaux avec grep. Vous vous doutez que le chapeau est spécial
quand il est placé au début de l'expression, et que le dollar l'est quand il
est placé en fin d'expression. Dans notre cas :
egrep, il fonctionne tout seul, avec
grep, il faut le faire précéder d'un backslash pour qu'il
fonctionne; par exemple (avec grep), pour chercher «charbon» ou
«vagabond», on écrit :
grep 'ar\?bo' fichier
(chercher la suite de lettre «abo» avec un «r» facultatif entre le «a» et le «b»).
Pour que grep interprète littéralement ces caractères, et ne les
considère plus comme spéciaux, il faut les faire précéder d'un backslash
(\). Si par exemple vous cherchez toutes les lignes qui se
terminent par un point, il faut taper :
grep '\.$' fichier
Dans notre cas cependant, ces caractères sont protégés par les crochets. On peut donc écrire :
grep '[^.,;:?!]$' fichier
On peut aussi utiliser l'option -v, qui prend toutes les lignes
où ne figure pas une chaîne de caractères donnée; dans ce cas, on tape :
grep -v '[.,;:?!]$' fichier
On cherche une chaîne de caractères qui soit indifféremment au début ou au
milieu d'un mot. N'importe quelle lettre, ce sont les classes de caractères
[a-zA-Z] ou [:alpha:], qui sont équivalentes.
Il y a une petite subtilité avec l'emploi de classes du second type; elles désignent un groupe de caractères, et il faut mettre une seconde paire de crochets pour dire «n'importe quel caractère de cette classe prédéfinie». On tape donc au choix :
grep '[a-zA-Z]r' fichier'
ou
grep '[[:alpha:]]r' fichier'
Attention, dans ces listes ne sont pas compris les caractères accentués...
C'est le symbole \< qui désigne un début de mot. La première
lettre du mot est indifférente, la seconde est un «r». On écrit donc :
grep '\<.r' fichier
Il y a cependant un problème avec les caractères accentués, que
grep considère comme des blancs. Dans ce cas, il vaut mieux
procéder autrement : un mot est précédé d'un début de ligne, ou d'un
blanc ou d'une tabulation. Un début de ligne, c'est le chapeau, un blanc ou
une tabulation, c'est la classe de caractères [:space:].
On va se servir du pipe (|) qui signifie «ou». Avec
grep, il faut backslasher le pipe, avec egrep ce
n'est pas nécessaire. On écrit donc (avec grep) :
grep '^.r\|[[:space:]].r' fichier
Ce n'est quand même pas si simple; les mots peuvent être précédés d'un tiret
(mots composés), d'une apostrophe, de guillemets divers (``,
", «, <<), et, si l'auteur du
texte n'est pas respectueux des règles de typographie, d'une ponctuation. Il y
a donc bien des cas à envisager...