Bash 如何在循环中使用awk命令生成多个精简数据文件
我有几个8列120000行的大数据文件。现在我想从第100行开始,每200行保留一行。我将脚本文件thin.sh设置为:Bash 如何在循环中使用awk命令生成多个精简数据文件,bash,loops,awk,Bash,Loops,Awk,我有几个8列120000行的大数据文件。现在我想从第100行开始,每200行保留一行。我将脚本文件thin.sh设置为: awk '(NR%200==100)' original_file > thinned_file 但是,现在我有30个原始文件,这意味着我必须一点一点地修改命令30次,原始文件的名称类似于: data.0000.dat, data.0001.dat data.0002.dat, ..., data.0029.dat 我认为必须有某种方法将awk命令嵌入到循环中以实现
awk '(NR%200==100)' original_file > thinned_file
但是,现在我有30个原始文件,这意味着我必须一点一点地修改命令30次,原始文件的名称类似于:
data.0000.dat, data.0001.dat data.0002.dat, ..., data.0029.dat
我认为必须有某种方法将awk
命令嵌入到循环中以实现我的目标,可能类似于:
for(i=0;i<30;i++);
do
awk '(NR%200==100)' data.$i.dat > data.$i_thinned.dat
done
用于(i=0;i数据.$i_thinded.dat
完成
但是我知道在文件名中,$I
前面有两位00
。我可以使用sprintf(“%s”)
或其他什么吗?如果可以,如何安排awk
和sprinf
的顺序?
我使用ubuntu和bash。和seq:
for i in $(seq -f %04g 1 29); do
awk 'NR % 200 == 100' "data.${i}.dat" > "data.${i}_thinned.dat"
done
或者使用bash:
for i in {0001..0029}; do
在第一个代码段中,引号并不是绝对必要的,因为我们知道$i
不包含任何邪恶的内容,但最好对shell脚本中的扩展持怀疑态度是必需的,因此shell不需要使用变量$i_thinded
。它们在“data.${i}.dat”
中不是绝对必需的,因为shell变量名中不能包含
,但一致性很好。ingedints(GAWK)
1FNR
-当前文件中的记录编号1
match
-匹配正则表达式字符串,可以将组捕获到数组中。1
print
-打印以下数据(如果未提供任何数据,则默认为当前记录)1
*.dat
-当前控制器中以.dat结尾的所有文件
说明书
{..}
(.*)
将在此之前的所有内容捕获到数组a
a[1]
和扩展名\u thinded.dat
*.dat
,以读取当前目录中的所有.dat文件结果代码
您只需要:
awk 'FNR==1{close(out); out=FILENAME; sub(/\.dat/,"_thinned&",out)} (FNR%200==100){print > out}' data.[0-9][0-9][0-9][0-9].dat
我使用
data.[0-9][0-9][0-9][0-9].dat
作为文件名全局模式,而不是data.*.dat
以防您在之前生成所有“细化”文件的同一目录中重新运行脚本。只需将所有文件名放在awk
之后,或者让shell为您执行awk'{…}“*.dat
您可能必须将NR
更改为FNR
@EdMorton您不需要关闭它吗?@EdMorton啊,对了,所有版本的gawk都是这样吗?@EdMorton匹配在其他AWK上不起作用,所以我认为这不会是一个问题。当然,这比不需要关闭它的可能性要小。不过,我还是会添加它。”在这种情况下:)也可以告诉我一些文件,说awk处理所有文件关闭?我只能找到这个页面,我试过你的代码,但它似乎不工作。我的最终测试文件是data.0003.127.dat
,data.0006.127.dat
,data.0009.127.dat
和data.0012.127.dat
,因此我将代码更改为:{0003 0006 0009 0012}中I的;完成awk'NR%200==100'数据。$i.127.dat>$i_thinked.dat完成
。但是当我在终端中运行脚本时,它会说:awk:cannot open data.{.127.dat(没有这样的文件或目录)
,awk:cannot open data.0012.}.127.dat(没有这样的文件或目录)
,除上述两个文件外,0006
和0009
也被减薄。括号用于0001和0029之间的扩展。如果您只想选择几个select标记,请在0003 0006 0009 0012中为i使用。运行echo{0001..0029}
查看{..}
的功能。如果您想要一个增量大于1的一般情况,seq
可能是一种方法,如for i in$(seq-f%04g 3 3 12)
我在.sh
中更改了代码,正如我提到的“我将代码更改为:{0003 0006 0009 0012}”。你的意思是我需要拆下支架?啊,我试过了,但是脚本只生成了一个名为“127..dat”的文件,实际上我检查了里面的数据,应该是文件127.12_thinded.dat
,然后我在127.$I_thinded.dat
中删除了127
。这一次,没有生成精简的dat文件。哦,我知道。${i}
中的i
周围应该有大括号——它正在寻找一个名为i\u thinded
的变量。这就是我没有注意到的结果:P我将把它编辑到第一个循环中。
awk 'FNR==1{close(out); out=FILENAME; sub(/\.dat/,"_thinned&",out)} (FNR%200==100){print > out}' data.[0-9][0-9][0-9][0-9].dat