Bešová minilaskonka

7.6.2005 10:00 | Přečteno: 1887× | BASH | poslední úprava: 8.6.2005 06:40

Dnes to bude jen taková drobnost. Implementace basename a ověření platného jména proměné.

Basename je součástí coreutils a jeho binárka zpravidla nemá víc jak nějakých 13kB. Standardní použití v shelu většinou vypadá tak, že se zavolá v rámci subshellu a jeho výsledek použije přímo v parametru nějakého příkazu nebo pro přiřazení do proměné. Pokud to v příslušném scriptu uděláme jen párkrát, nic se neděje. Pokud se to však musí udělat třeba tisíckrát, tak už nás může zajímat, že se shell musí forknout a zavolat exec na binárku basename. Přitom samotné vlastnosti bourne shellu dosažení stejného efektu umožňuje. Nejlepšího výsledku (nejrychlejšího provedení) lze samozřermě dosáhnout přímo v kódu.

purename="${1%/}"          # bugfix pro adresáře s / nakonci
purename="${purename##*/}" # odstranění adresáře
purename="${purename%$2}"  # odstranění přípony (může být třeba i v proměnné nebo parametru)

Pokud si někdo chce udělat funkci, která bude děla to samé jako basename, tak může

basename() { set -- "${1%$2}"; set -- "${1%/}"; echo ${1##*/}; }

Ale má to háček. Při použití této funkce ji stejně zpravidla použijete uvnitř $() a to je zase fork, i když si ušetříte exec(basename). Výjimkou jsou přesměrování typu basename bla/bla/bla.bla >>soubor.txt I když tady by bylo před celým cyklem vhodné udělat exec >>soubor.txt nebo do něj přesměrovat cyklus [for|while] ... done >>soubor.txt

Pro přiřazení do proměnné by bylo vhodnější si udělat speciální funkcičku, která by název proměnné dostala jako parametr, nebo to udělat přímo v kódu jak je uvedeno na začátku. Taková funkcička může vypadat třeba takto:

basenameset()
{
  set -- "$1" "${2%$3}"
  set -- "$1" "${2%/}"
  case "$1" in
    [^a-zA-Z]*|*[^a-zA-Z0-9]*|case|do|done|elif|else|esac|fi|for|function|if|in|select|then|until|while|time);; # špatné jméno proměnné
    ?*) eval $1=\"${2##*/}\";; # správné jméno proměnné (neprázdné)
  esac
}

A tím jsme se dostali oslým můstkem k druhé úloze, ověření platného jména proměnné.

A když už se bavíme o rychlosti, tak pár testíků.

$ for((i=0;$i<10000;i++)); do touch zbytecne_dlouhej_prefix_$i; done
$ cat basename.sh
#!/bin/bash

dir="${1:-.}"

for i in "${dir%/}/"*
do
        a="$(basename "$i")"
done
$ cat basename_in_shell.sh 
#!/bin/bash

basename() { set -- "${1%$2}"; echo ${1##*/}; }

dir="${1:-.}"

for i in "${dir%/}/"*
do
        a="$(basename "$i")"
done
$ cat basenameset.sh 
#!/bin/bash

basenameset() 
{
    set -- "$1" "${2%$3}"
    case "$1" in
        [^a-zA-Z]*|*[^a-zA-Z0-9]*);;
        ?*) eval $1=\"${2##*/}\";;
    esac
}

dir="${1:-.}"

for i in "${dir%/}/"*
do
        basenameset a "$i"
done
$ time ./basename.sh

real    0m17.545s
user    0m5.410s
sys     0m10.020s
$ time ./basename_in_shell.sh 

real    0m10.081s
user    0m3.120s
sys     0m5.400s
$ time ./basenameset.sh 

real    0m1.461s
user    0m1.350s
sys     0m0.010s
$

Myslím, že je to názorné tak akorát. Nakonec zas až tak moc mini ta laskonka není rozsahem, pouze obsahem.        

Komentáře

[Michal Čihař]

$ basename2() { set -- "${1%$2}"; echo ${1##*/}; }
$ basename2 /usr/bin/

$ basename /usr/bin/
bin

[Michal Čihař]

Ještě doplním:

$ basenameset /usr/bin/
$

tedy prázdný řetězec.

[Michal Čihař]

Sorry, nepřečet jsem si to pořádně .

$ basenameset a /usr/bin/
$ echo $a

[Hynek (Pichi) Vychodil]

OK. Big bug. Snadný fix.

[Hynek (Pichi) Vychodil]

Když tak nad tím přemýšlím, tak to není až zas takový bug. Používat basename na jména adresářů není až zas tak typické použití a strkat tam ještě navíc lomítko je vyložený naschvál . Když už to někdo chce takto použít, tak si to může fixnout. Pro běžné použití je to zbytečné.

[Michal Čihař]

No pokud o něčem tvrdíš, že to dělá to samé jako basename a nedělá, tak to je bug, o opaku mě nepřesvědčíš . Kdybys to nazval něco jako basename, tak klidně .

A čím jiným vykuchat název adresáře než pomocí basename?

[Hynek (Pichi) Vychodil]

Fixnutou verzí

[VícNežNic]

Tedy, dočíst se ,,standartní`` už i u nich, to zamrzí

[Hynek (Pichi) Vychodil]

Už i u nich? Oni tohle vynalezli. Oni si to možná nechají patentovat

[Jan Martinek]

Zkusil jsem zhruba totéž v Pythonu. Tady jsou výsledky:

$ cat basename.py
#!/usr/bin/env python
import os

for file in os.listdir('.'):
  a = os.path.basename('./' + file)
$ time ./basenameset.sh

real    0m3.417s
user    0m3.152s
sys     0m0.096s
$ time ./basename.py

real    0m0.343s
user    0m0.252s
sys     0m0.076s

Takže v Pythonu je to asi tak desetkrát rychlejší. O složitosti nemluvě. Ale je pravda, že to není úplně _přesně_ totéž.

[Hynek (Pichi) Vychodil]

Ano, jinými slovy, basename implementované v tom samém jazyce jako je spracovávaný script, ve kterém to potřebujete je vždycky rychlejší než volat něco externě a python je rychlejší než bash. Zkuste si napsat script, který udělá basename ze svého parametru a použijte ho místo bashového basename ve scriptu basename_in_shell.sh. Myslým, že se budete dost divit. Mimochodem perlivé

#!/usr/bin/env perl
use File::Basename;
$a=basename($_) foreach (<.*>);

je o 5% rychlejší :) (Což bude nejspíš stejně způsobeno o chlup rychlejším natažením perl interpretru než pythonu)

[Hynek (Pichi) Vychodil]

Safra, chybička se vloudila. Správně má být

#!/usr/bin/env perl
use File::Basename;
$a=basename($_) foreach (<*>);

což je jen o cca 2% rychlejší.