Awk 如何在'；（'；和'；@'；

我有一个以下格式的文本文件：

((abcd@04548_5957:0.0363,(((efgh@00512_777:0.019251010,((igkl@03175_4509:0.01768455)100:((efgh@0.05985636)57:

如何在

@

标记前仅提取4个字符，如果字符串在文件中重复，请同时给出数字？如

abcd 1
efgh 2
igkl 1

假设：

• @

  前面的任何4个字符构成匹配
• 对匹配项进行排序是可以接受的

使用GNU

grep

：

grep -Po '.{4}(?=@)' file | sort | uniq -c | awk '{ print $2, $1 }'

grep -Eo '.{4}@' file | sort | uniq -c | awk '{ print substr($2, 1, length($2)-1), $1 }'

• -o

  指示

  grep

  仅输出每行的匹配部分。
  GNU

  grep

  的

  -P

  选项启用对的支持，该选项支持环视断言（以及其他功能）；在这种情况下，它们允许使用正向前瞻断言

  （？=@）

  来检测

  @

  ，而不将其包含在匹配中

• uniq-c

  接受

  sort

  ed输入，并将具有相同内容的相邻行折叠成一行，前面加上它们的计数，用空格分隔

• awk'{print$2，$1}'

  只需交换两个输出列，将匹配项放在计数之前

（在

（

和

@

之间匹配的更可靠的替代方案：

grep -Po '\(+\K.*?(?=@)' file | sort | uniq -c | awk '{ print $2, $1 }'

)

使用BSD/macOS

grep

：

grep -Po '.{4}(?=@)' file | sort | uniq -c | awk '{ print $2, $1 }'

grep -Eo '.{4}@' file | sort | uniq -c | awk '{ print substr($2, 1, length($2)-1), $1 }'

[仅适用于BSD/macOS

grep

]概念上稍微简单一些的变体（尽管效率稍低），如下所示：

---

通过将RS设置为

（

，将FS设置为

@

，awk将

（

和

@

之间的文本作为每条记录的第一个字段。如果该字段的长度为4，我们在数组

计数中增加一个计数器。最后，我们只需打印所有计数。
另一个
awk

$ awk -F@ '{for(i=1;i<NF;i++) a[substr($i,length($i)-3)]++} 
       END {for(k in a) print k, a[k]}' file

abcd 1
igkl 1
efgh 2

$awk-F@{for（i=1；iIf排序并不重要，整个
sort | uniq | awk
-管道可以被更快的
awk'{a[$0]+}END{for（a中的k）打印k，a[k]}替换“
@Dario:说得好，不过你还是选择William Pursell的
awk
-唯一的解决方案吧。使用@mklement0的grep命令给了我正确的数字。出于某种原因，awk解决方案并没有输出所有情况。