¿Cómo puedo capturar el contenido de los archivos encontrados usando find en un solo archivo?

Me las arreglé para pegarme un tiro donde duele (realmente mal) reformateando una partición que contenía datos valiosos. Por supuesto que no fue intencional, pero sucedió.

Sin embargo, logré usar testdisky photorecrecuperar la mayoría de los datos. Así que ahora tengo todos esos datos distribuidos en casi 25,000 directorios. La mayoría de los archivos son archivos .txt, mientras que el resto son archivos de imagen. Hay más de 300 archivos .txt en cada directorio.

Puedo grepo uso findextraer ciertas cadenas de los archivos .txt y enviarlas a un archivo. Por ejemplo, aquí hay una línea que he usado para verificar que mis datos están en los archivos recuperados:

find ./recup*/ -name '*.txt' -print | xargs grep -i "searchPattern"

Puedo enviar "searchPattern" a un archivo, pero eso solo me da ese patrón. Esto es lo que realmente me gustaría lograr:

Revisa todos los archivos y busca una cadena específica. Si esa cadena se encuentra en un archivo, cat TODOS los contenidos de ese archivo en un archivo de salida. Si el patrón se encuentra en más de un archivo, agregue el contenido de los archivos posteriores a ese archivo de salida. Tenga en cuenta que simplemente no quiero generar el patrón que estoy buscando, sino TODOS los contenidos del archivo en el que se encuentran los patrones.

Creo que esto es factible, pero simplemente no sé cómo tomar todo el contenido de un archivo después de extraer un patrón específico de él.

Si entiendo tu objetivo correctamente, lo siguiente hará lo que quieras:

find ./recup*/ -name '*.txt' -exec grep -qi "searchPattern" {} \; -exec cat {} \; > outputfile.txt

Esto buscará todos los *.txtarchivos ./recup*/, probará cada uno searchPattern, si coincide, aparecerá catel archivo. La salida de todos los catarchivos ed se dirigirá a outputfile.txt.

Repita para cada patrón y archivo de salida.

Si tiene una gran cantidad de directorios coincidentes ./recup*, puede terminar con un argument list too long error. La forma simple de evitar esto es hacer algo como esto:

find ./ -mindepth 2 -path './recup*.txt' -exec grep -qi "searchPattern" {} \; -exec cat {} \; > outputfile.txt

Esto coincidirá con la ruta completa. Entonces ./recup01234/foo/bar.txtserá igualado. El -mindepth 2es para que no coincida ./recup.txt, o ./recup0.txt.

En lugar de mostrar su patrón, envíe el nombre de archivo usando "-l" en grep, y luego úselo como entrada para cat.

find ./recup*/ -name '*.txt' -print | xargs grep -li "searchPattern" | xargs cat

o

cat $( find ./recup*/ -name '*.txt' -print | xargs grep -li "searchPattern")

Sospecho que puede completar los detalles restantes. Por cierto, si puede tener espacios u otros caracteres extraños en los nombres de archivo (poco probable en este caso específico, pero para fines futuros), use -print0 en el hallazgo y -Z en el grep, combinado con la opción -0 en xargs para usar bytes nulos entre nombres de archivo en lugar de líneas nuevas.

find ./recup*/ -name '*.txt' -print0 | xargs -0 grep -Zli "searchPattern" | xargs -0 cat

Este no es exactamente el código óptimo, pero es muy sencillo y funcionará bien si la eficiencia no es un problema. El problema es que examinará los archivos varias veces, incluso si la cadena ya se ha encontrado en ellos.

En primer lugar, busque sus cadenas y escriba los archivos coincidentes en una lista.

find ./recup*/ -name '*.txt' -execdir grep -il "searchPattern" {} >> /tmp/file_list \;

Repita este paso reemplazando searchPatternsegún sea necesario. Esto produce una lista de archivos coincidentes en /tmp/file_list.

El problema es que este archivo puede tener duplicados. Por lo tanto, podemos reemplazar los duplicados con |sort|uniq. La sortparte coloca los duplicados adyacentes entre sí, para que uniqpueda eliminarlos. Luego puede catusar estos archivos juntos xargs(con cada nombre de archivo separado por nueva línea \n). Por lo tanto,

</tmp/file_list sort | uniq | xargs -d "\n" cat > final_file.txt

A diferencia de las otras respuestas, esto tiene dos pasos y un archivo temporal, por lo que realmente solo lo recomendaría si tiene múltiples patrones para encontrar.

Dependiendo de su shell y entorno, podría hacer algo como esto (en bash)

while IFS= read -r -d '' file; do
  if grep -qim1 'searchPattern1\|searchPattern2\|searchPattern3' "$file"; then
    cat "$file" >> some/other/file
  fi
done < <(find ./recup*/ -name '*.txt' -print0)

Si desea separar los resultados de acuerdo con el patrón, puede modificarlo a algo como

while IFS= read -r -d '' file; do
  if grep -qim1 'searchPattern1' "$file"; then
    cat "$file" >> some/other/file1
  elif grep -qim1 'searchPattern2' "$file"; then
    cat "$file" >> some/other/file2
  elif grep -qim1 'searchPattern3' "$file"; then
    cat "$file" >> some/other/file3
  fi
done < <(find ./recup*/ -name '*.txt' -print0)