HI

Ich habe eine hoffentlich schnelle Frage. Ich such in einer Datei nach Adressen wie die folgende.


Mister Andreas XXX
lala Endus, Inc.
1423 DDDD St.
Roamind, FL 54667
United States
Tel. +1 727-74x4-xxxx
Sales

Mit diesem GREP-Ausdruck finde ich auch alles.

Code

\r\r((.+\r)+) 

Die beiden harten Zeilenumbrüche trennen jeweils die vers. Adresse von einander in der Datei.

Meine Frage:
Wie muss ich den Ausdruck anpassen, so dass er mir nur die Adressen rauskopiert die den Vermerk Germany haben nicht USA oder United States usw. Diese sollen dann alle rausgezogen werden und in einen neue Datei kommen.

Jemand eine Idee.

Hallo Werek

Ausgehend von deinem Grep, findet

\r\r(.+\r)+(Germany\s*\r)(.+\r)+

alle Adressblöcke, die in einem Absatz «Germany» (und evtl. nachfolgende Leerzeichen) enthalten.

Um all diese Germany-Adressen in eine neue Datei zu bringen, würde ich in einer Kopie des Dokuments den obigen Grep laufen lassen und die Fundstellen unterstreichen lassen. Dann alles löschen, was nicht unterstrichen ist.

Gruss, Marco

... oder so, wenn du das öfters machen musst.

http://www.rolanddreger.net/...dressen_kopieren.mov

Bei Interesse schicke ich dir das Skript zu.

Schöne Grüße
Roland

Hallo Roland

Ein schöner Grep! Wie bist du auf \X gekommen? In der Grep-Referenz von Gregor Fellenz habe ich das nicht gefunden. \X steht offenbar für den ersten Klammerausdruck, entspricht aber nicht dem markierten Unterausdruck innerhalb der Suche \1.

Gruss, Marco

Hallo Marco,

Danke!

\X steht für alle Zeichen (Einschließlich der Umbruchzeichen) - Unicode Grapheme.

Ich hab mir vor einiger Zeit mal die Mühe gemacht und bin alle Buchstaben-Kombinationen für GREP durchgegangen. Es könnte sein, dass ich es im Buch Mastering Regular Expressions von Friedl gefunden habe. Genau kann ich es aber leider nicht mehr sagen.


Schöne Grüße

Hallo Roland,

ja, z. B:
Jeffrey E. F. Friedl: Reguläre Ausdrücke. O'REILLY, 3. Auflage 2008, S. 123
Perl, PHP

Danke für den Hinweis. \X ist also so etwas wie eine Super-Zeichenklasse (Kombination aus . und \r und \n). Interessant, wusste ich nicht.

In Rolands Grep müsste wohl \n durch \r ersetzt werden, da in Wereks Grep-Ausdruck kein \n (harter Zeilenumbruch) vorkommt. Ausserdem dürfen in den Adressblöcken keine Zeilen wie «Germany Sales Manager» u. Ä. vorkommen. Deshalb bei mir (Germany\s*\r). Statt \s hier übrigens besser Leerschlag, da \s ja auch die Umbruchzeichen umfasst.

Grüsse, Marco

Ja, dann muss es dort gewesen sein. Danke Werner!

Schöne Grüße
Roland

Wow vielen Dank euch allen, ich sehe "I am a GREP-Newbie." Jesus ist GREP mächtig, höchstwahrscheinlich sein Bruder ;-)

@Marco:
Genau, es sind Absatzenden keine harten Zeilenumbrüche. Dein Ausdruck hat super funktioniert.

@Roland:
Natürlich würde ich mich über das Skript freuen, allerdings habe ich nur CS5. Stellt sich die Frage ob dein Skript da noch geht.

Vielen Dank nochmals.

Hallo Werek

Freut mich, dass der Grep auch auf deinem Computer funktioniert.

Inzwischen ist mir noch eine Lösung eingefallen, wie alle Adressblöcke ohne die Zeile «Germany» direkt ausgewählt (und gelöscht) werden können. Wir suchen also nicht die Textblöcke mit «Germany», sondern genau umgekehrt.

Die Grep-Suche lautet folgendermassen:

(?<=\r\r)((.+\r)(?!Germany *\r))+\r\r

(Ersetzen durch: Nichts)

Kernstück ist der Ausdruck ((.+\r)(?!Germany *\r))+
Interessant daran ist, dass im Grep ein Lookaround (hier neg. Lookahead) ebenfalls wiederholt wird (+), das heisst wir suchen mehrere Absätze (.+\r), denen jeweils kein «Germany» folgt, und zwar alle zwischen zwei Leerzeilen (\r\r). Kleine Einschränkungen gibt es: So müssen auch am Anfang und Ende des Textabschnittes zwei Leerzeilen (Absatzmarken \r) stehen, und die Adresszeile «Germany» darf nicht die erste oder letzte Zeile im Adressblock sein.

Diese Wiederholung des Lookaround hat mich auf eine weitere Idee gebracht.

Gibt es einen Grep, mit dem ich in einem Textabschnitt alle Absätze finde, in denen ein Wort nicht vorkommt? Und umgekehrt: Wie finde ich alle Absätze, in denen ein bestimmtes Wort vorkommt?

Beginnen wir mit dem letzten Problem. Der Grep

^([^\r]*\bInDesign\b[^\r]*)+$\r?

findet alle Absätze, in denen das Wort «InDesign» (in genau dieser Schreibweise) vorkommt, und zwar auch dann, wenn es am Absatzbeginn, Absatzende, am Anfang oder am Schluss eines Textabschnitts steht. Auch eine Absatzmarke am Schluss eines Textabschnitts ist nicht notwendig, um den Absatz mit dem Wort zu markieren. (Die Wortgrenze \b in \bInDesign\b kann auch weggelassen werden, je nachdem, was man genau will.)

Etwas kniffliger ist die Lösung, wenn wir alle Absätze finden wollen, in denen das Wort «InDesign» nicht vorkommt. Hier brauchen wir einen negativen Lookbehind, der wiederholt wird. Der Grep

^((?<!InDesign)\X)+?(?<!InDesign)$\r?

findet also alle Absätze, in denen das Wort «InDesign» nicht vorkommt. Der zweite negative Lookbehind (?<!InDesign)$\r? dient übrigens nur dazu, das Suchresultat nicht zu verfälschen, falls «InDesign» direkt am Schluss eines Absatzes oder am Ende des ganzen Textabschnitts steht.

Wie Roland oben im Thread erklärt hat, steht \X für alle Zeichen inkl. Umbruchzeichen (deshalb +?, das Fragezeichen macht die Wiederholung nicht «greedy»).

Im Prinzip gehen wir also Zeichen für Zeichen durch den Absatz und schauen, dass nie vorher das Wort «Indesign» steht. Erst wenn dies für jedes Zeichen im Absatz zutrifft, wird die Fundstelle markiert.

Diese Notizen sind sicher eher etwas für «Grepologen», aber vielleicht gibt es auch die eine oder andere praktische Anwendung.

Danke für die Geduld und Gruss
Marco