Awk 根据字符串的出现情况对列重新编号

很抱歉，我对linux还比较陌生

我有这样一个文件：

1   C   foo   C     bar
2   C   foo   C     bar
3   C   foo   C     bar
4   H   foo   H     bar
5   H   foo   H     bar
6   O   foo   O     bar

我需要做到：

1   C01 foo   C     bar
2   C02 foo   C     bar
3   C03 foo   C     bar
4   H01 foo   H     bar
5   H02 foo   H     bar
6   O01 foo   O     bar

**不幸的是，必须保持foo和C之间以及C和bar之间的间距

我以分段的方式进行了尝试，在这里我拉出包含不同标识符C、H和O的行，将它们放在一个临时文件中。然后我尝试按发生顺序对它们进行排序，然后将原始文件重新拼接在一起

    #!/bin/bash

    sed -i -e "/ C /w temp1.txt" -e "//d" File.txt
    sed -i -e "/ H /w temp2.txt" -e "//d" File.txt
    sed -i -e "/ O /w temp3.txt" -e "//d" File.txt


    `awk -i '{print NR $2}' temp1.txt
    awk -i '{print NR $2}' temp2.txt
    awk -i '{print NR $2}' temp3.txt

    cat temp1.txt >> File.txt
    cat temp2.txt >> File.txt
    cat temp3.txt >> File.txt

但是我很确定我的语法很糟糕，因为我只熟悉sed而不熟悉awk

非常感谢您的帮助。

编辑：这是一个使用GNU

awk

的解决方案，它保留了实际的空间。如果您的

split

支持4个参数。阅读手册后，我得到了它，即使我很高兴我找到了它，这将是有益的

awk '
{
  n=split($0,array," ",b)
  array[2]=sprintf("%s%02d",array[2],++a[array[2]])
  line=b[0]
  for(i=1;i<=n;i++){
    line=(line array[i] b[i])
  }
  print line
}'  Input_file
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar

字段数。如果 省略r，而使用FS。首先清除阵列a和SEP。seps[i]是一个领域 由r匹配的分隔符 a[i]和a[i+1]。如果r是一个空格，那么s中的前导空格进入额外的数组元素 seps[0]和尾随的白色- 空格进入额外的数组元素seps[n]，其中n是split（s，a，r，seps）的返回值。 分裂行为相同 要进行字段拆分，如上所述

---

---

第一种解决方案：请尝试以下方法

awk '{$2=sprintf("%s%02d",$2,++a[$2])} 1' Input_file

输出如下

1 C01 bar C
2 C02 bar C
3 C03 bar C
4 H01 bar H
5 H02 bar H
6 O01 bar O

第二种解决方案：如果您希望在$2和$4两个位置都有值，请执行以下操作

awk '{$2=$4=sprintf("%s%02d",$2,++a[$2])} 1'  Input_file
1 C01 bar C01
2 C02 bar C02
3 C03 bar C03
4 H01 bar H01
5 H02 bar H02
6 O01 bar O01

awk '{$(NF+1)=sprintf("%s%02d",$2,++a[$2])} 1'  Input_file
1 C bar C C01
2 C bar C C02
3 C bar C C03
4 H bar H H01
5 H bar H H02
6 O bar O O01

第三种解决方案：若要在行的最后添加/插入新列，请执行以下操作

awk '{$2=$4=sprintf("%s%02d",$2,++a[$2])} 1'  Input_file
1 C01 bar C01
2 C02 bar C02
3 C03 bar C03
4 H01 bar H01
5 H02 bar H02
6 O01 bar O01

awk '{$(NF+1)=sprintf("%s%02d",$2,++a[$2])} 1'  Input_file
1 C bar C C01
2 C bar C C02
3 C bar C C03
4 H bar H H01
5 H bar H H02
6 O bar O O01

---

使用简单的awk脚本：

$ awk '{$2=sprintf("%s%02d",$2,++a[$2]);}1' file
1 C01 foo C
2 C02 foo C
3 C03 foo C
4 H01 foo H
5 H02 foo H
6 O01 foo O

---

相同的解决方案，同时保留初始场位置

$ awk '{r=sprintf("%02d",++a[$2]); sub($2"  ",$2r)}1' file

1   C01 foo   C     bar
2   C02 foo   C     bar
3   C03 foo   C     bar
4   H01 foo   H     bar
5   H02 foo   H     bar
6   O01 foo   O     bar

---

请注意，这假设第一个字段的值与第二个字段的值不重叠，如图所示，否则您需要进行保护，以仅保留对第二个字段的更改。对于第二个字段，可以很容易地通过在匹配和替换值前加上单个空格来完成

第三个参数使用GNU awk进行匹配（）和

\S/\S

的缩写

[^[：space]：]/[：space:]

：

$ awk 'match($0,/(\S+\s+)(\S+)(.*)/,a){ printf "%s%s%02d%s\n", a[1], a[2], ++cnt[a[2]], a[3] }' file
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar

即使前面的字段与目标字段具有相同的值，或者目标字段包含RE元字符或任何其他内容，上述操作仍适用于所有输入

以上内容用于修改第二个字段。通常，要修改n=4的第n个字段，例如，硬编码将是：

$ awk 'match($0,/((\S+\s+){3})(\S+)(.*)/,a){ printf "%s%s%02d%s\n", a[1], a[3], ++cnt[a[3]], a[4]}' file
1   C   foo   C01     bar
2   C   foo   C02     bar
3   C   foo   C03     bar
4   H   foo   H01     bar
5   H   foo   H02     bar
6   O   foo   O01     bar

如果它是作为参数而不是硬编码传递的：

$ awk -v n=4 'match($0,"((\\S+\\s+){"n-1"})(\\S+)(.*)",a){ printf "%s%s%02d%s\n", a[1], a[3], ++cnt[a[3]], a[4]}' file
1   C   foo   C01     bar
2   C   foo   C02     bar
3   C   foo   C03     bar
4   H   foo   H01     bar
5   H   foo   H02     bar
6   O   foo   O01     bar

---

尽管Perl没有标记，但它似乎非常适合这些情况。如果您正在考虑Perl，请查看这个

> cat wagner.txt
1   C   foo   C     bar
2   C   foo   C     bar
3   C   foo   C     bar
4   H   foo   H     bar
5   H   foo   H     bar
6   O   foo   O     bar
> perl -pe 's/(\s+)(\S+)(\s+)/sprintf("%s%s%02d%s",$1,$2,++$kv{$2},$3)/e ' wagner.txt
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar
>

多亏了Karakfa，答案可以进一步缩短，只需去掉3美元

>  perl -pe 's/(\s+)(\S+)/sprintf("%s%s%02d",$1,$2,++$kv{$2})/e ' wagner.txt
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar
>

另一种方法是进一步删除一个组

> perl -pe 's/([^^]\S+)/sprintf("%s%02d",$1,++$kv{$1})/e ' wagner.txt
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar
>

或者使用环顾四周

perl -pe 's/([^?!]\S+)/sprintf("%s%02d",$1,++$kv{$1})/e ' wagner.txt

解释：

$ awk 'BEGIN {
    FS=OFS=""                 # empty field separators
}
{
    $6=""                     # null $6
    $7=((b=++a[$5])>9?"":0) b # $7 carries the count, with leading 0 if below 10
}1' file

---

这太棒了！非常感谢。现在，如果我需要将该列更改为第4列，我只需将$2的占用率替换为$4？@WagnerAG，你的意思是2和4应该具有相同的值？@WagnerAG，请检查我的编辑解决方案，并让我知道这些是否有帮助。非常感谢你的帮助@RavinderSingh13我编辑了上面的帖子，以反映我的想法mean@WagnerAG,请检查我的编辑解决方案，现在让我知道？这是一个！非常感谢。然而，我有一个问题；在我使用的实际文件中，有一些列具有不同的间距，使用这些列后，格式会发生变化。因此，如果上面的文件还有5个空格的话，它现在变成了单空格。非常感谢！这为我节省了大量时间。@WagnerAG希望你能用节省的时间做些有用的事情：）。。。。例如阅读Arnold Robbins的第四版《有效的AWK编程》：-）@karakfa如果我这样做，那么%02d格式将导致

c01

在C和01OK之间有一个空格，您必须用数字替换两个空格<代码>sprintf需要相应更改。是。。我想这里不需要3美元。。让我检查一下并更新一下，我们又找到了一种方法

[^^]\S+

或

$6=int（++a[$5]/10）$7=a[$5]%10