Linux Bash:按列标准分隔行,并使用循环(或更好的替代方法)附加到文本文件
我需要帮助将一个长的表格文本按相似的行分开。任务是从一系列杂乱无章的文件中读取并格式化,然后用类似的行将其分隔开。发件人:Linux Bash:按列标准分隔行,并使用循环(或更好的替代方法)附加到文本文件,linux,bash,awk,Linux,Bash,Awk,我需要帮助将一个长的表格文本按相似的行分开。任务是从一系列杂乱无章的文件中读取并格式化,然后用类似的行将其分隔开。发件人: MMP,iP,c,002309.82,iS,002311.09,3208,18.87,L, CNOP,eP,,003544.06,eS,003551.64,,151.00,, SNP,iP,c,003552.87,iS,003605.55,1924.5,158.07,L, GUIM,eP,,003554.16,eS,003608.49,,99.00,, DCP,eP,c,0
MMP,iP,c,002309.82,iS,002311.09,3208,18.87,L,
CNOP,eP,,003544.06,eS,003551.64,,151.00,,
SNP,iP,c,003552.87,iS,003605.55,1924.5,158.07,L,
GUIM,eP,,003554.16,eS,003608.49,,99.00,,
DCP,eP,c,003559.26,,,1214.0,88.89,L,
LLP,eP,c,003606.33,iS,003628.98,389.7,131.23,L,
PAGZ,eP,,003608.48,eS,003631.00,,76.00,,
MSLP,eP,,003618.28,,,,,,
OCLP,eP,,003618.78,eS,003646.82,,,,
TBP,eP,,003640.19,,,282.4,59.35,L,
TBP,eP,,012138.99,,,75.4,11.26,L,
SNP,iP,c,033417.94,iS,033420.44,1023.2,45.51,L,
TBP,eP,,033513.03,,,52.8,12.58,L,
SIPP,eP,d,043457.16,eS,043519.77,1212.00,109.75,L,
LLP,iP,c,054745.48,iS,054753.07,1588.5,65.12,L,
TBP,iP,c,054746.49,eS,054752.88,703.3,32.50,L,
MSLP,eP,,054747.92,eS,054757.96,,63.00,,
KCP,iP,d,082343.73,,,-71.96,180.11,T,
PGP,eP,d,085017.97,eS,085021.92,2428,18.5,L,
PGP,eP,d,085017.97,eS,085021.92,2428.00,18.50,L,
LLP,iP,d,095505.28,iS,095513.89,2940.7,105.86,L,
TBP,eP,c,095506.67,,,704.8,42.51,L,
...
我能够使用awk
,read-r行
条件语句和printf
格式化所有内容
现在我有了这个格式化文本:
TBP iP c 014449.61 iS 014455.09 2366.20 29.41 L
LLP iP d 014450.82 iS 014457.36 1414.20 82.30 L
MSLP eP 014456.98 eS 014509.62 72.00
OCLP eP 014505.60 eS 014524.97 69.00
DCP eP c 014507.15 eS 014530.52 268.80 115.79 L
GUIM eP 014514.78 eS 014534.25
PAGZ eP 014520.03 eS 014546.38
BUKP eP 014520.40 eS 014546.68
CVP iP d 015016.91 iS 015037.11 3695.00 162.54 L
SIPP iP c 020817.81 T
BBPS eP 025007.36 eS 025022.74 310.00
SGCP eP 025009.43 eS 025025.00 258.00
APYP eP 025013.77 eS 025033.51 294.00
SIPP eP c 025017.98 eS 025049.24 32739.00 267.36 L
ABRA eP 025018.32 317.00
CAUP eP 025027.99 317.00
SMPP eP 025038.70 eS 025116.93
BOLP eP 025039.33 eS 025116.19 331.00
BALP eP 025042.59 eS 025125.51 280.00
PCP eP c 025046.89 eS 025132.15 543.00 249.71 L
LQP eP c 025105.80 1888.00 269.35 L
TGY eP c 025107.21 1728.00 183.40 L
GQP eP c 025109.23 eS 025210.11 1481.10 180.41 L
KCP iP d 025249.58 -41.73 324.15 T
LUBP eP 043452.34 eS 043459.96 68.00
PGP eP c 043456.97 eS 043501.27 42702.00 196.60 L
TGY eP d 043457.41 eS 043507.61 33835.00 157.27 L
LQP iP d 043502.88 iS 043517.81 6307.00 168.13 L
...
现在我陷入了行分隔的困境。分隔的关键决定因素是列$4
的前4个字符。我试着将$4
分离出来,然后剪切前4个字符作为比较的基础:
发件人:
致:
但我不知道如何比较和附加它们。虽然uniq可以用来比较,但我不能像我希望的那样将它们附加在一起
我希望的结果是:
2014Sept01 0144
TBP iP c 014449.61 iS 014455.09 2366.20 29.41 L
LLP iP d 014450.82 iS 014457.36 1414.20 82.30 L
MSLP eP 014456.98 eS 014509.62 72.00
2014Sept01 0145
OCLP eP 014505.60 eS 014524.97 69.00
DCP eP c 014507.15 eS 014530.52 268.80 115.79 L
GUIM eP 014514.78 eS 014534.25
PAGZ eP 014520.03 eS 014546.38
BUKP eP 014520.40 eS 014546.68
2014Sept01 0250
BBPS eP 025007.36 eS 025022.74 310.00
SGCP eP 025009.43 eS 025025.00 258.00
APYP eP 025013.77 eS 025033.51 294.00
SIPP eP c 025017.98 eS 025049.24 32739.00 267.36 L
ABRA eP 025018.32 317.00
CAUP eP 025027.99 317.00
SMPP eP 025038.70 eS 025116.93
BOLP eP 025039.33 eS 025116.19 331.00
BALP eP 025042.59 eS 025125.51 280.00
PCP eP c 025046.89 eS 025132.15 543.00 249.71 L
2014Sept01 0251
LQP eP c 025105.80 1888.00 269.35 L
TGY eP c 025107.21 1728.00 183.40 L
GQP eP c 025109.23 eS 025210.11 1481.10 180.41 L
2014Sept01 0252
KCP iP d 025249.58 -41.73 324.15 T
2014Sept01 0434
LUBP eP 043452.34 eS 043459.96 68.00
PGP eP c 043456.97 eS 043501.27 42702.00 196.60 L
TGY eP d 043457.41 eS 043507.61 33835.00 157.27 L
2014Sept01 0435
LQP iP d 043502.88 iS 043517.81 6307.00 168.13 L
BOAC eP 043503.74 eS 043519.98 139.00
BUSP eP 043507.46 eS 043527.58 146.00
OTRP eP 043512.77 eS 043535.66 97.00
GQP eP d 043513.54 iS 043537.15 714.60 117.54 L
PCP eP c 043514.59 eS 043538.74 441.00 151.61 L
BALP eP 043521.07 eS 043550.06 172.00
ENPP eP 043521.51 eS 043546.79
SMPP eP 043521.96 eS 043551.39 341.00
JAP eP d 043522.67 2732.70 161.82 L
CUYO eP 043522.99 160.00
CAUP eP 043536.77 eS 043616.73 210.00
...
可以使用echo
追加标题,但问题是在$4
中按相似的剪切行进行分离,然后追加下一组相似的剪切行。我仍然不知道如何循环这个任务
感谢您的帮助。
非常感谢。您可以在处理之前使用
排序
对输入进行排序。这将使相似的线彼此相邻,并解决您的问题
由于您没有在行首排序,因此需要-t
将字段分隔符设置为逗号,并-k
告诉它根据第四个字段进行排序
类似于
sort-t,-k4,4
的东西应该可以工作(未经测试)。您可以使用sort
在处理之前对输入进行排序。这将使相似的线彼此相邻,并解决您的问题
由于您没有在行首排序,因此需要-t
将字段分隔符设置为逗号,并-k
告诉它根据第四个字段进行排序
类似于排序-t,-k4,4的东西应该可以工作(未经测试)。在awk中。使用第一个文件(该
2014Sept01
来自何处?)
$awk'
开始{FS=“,”OFS=“\t”}#制表符作为输出分隔符,而不是像素完美,列可能会有所帮助
{
g=substr($4,1,4)#从$4到石斑鱼的4个字符
}
g=p | | NR==1{如果石斑鱼改变或NR==1
打印(NR==1?“:ORS)g#打印石斑和额外换行符
p=g#存储以前的石斑鱼以检测变化
}
{
$1=$1#重建OFS的记录
打印输出
}“在awk中。使用第一个文件(该2014Sept01
来自何处?)
$awk'
开始{FS=“,”OFS=“\t”}#制表符作为输出分隔符,而不是像素完美,列可能会有所帮助
{
g=substr($4,1,4)#从$4到石斑鱼的4个字符
}
g=p | | NR==1{如果石斑鱼改变或NR==1
打印(NR==1?“:ORS)g#打印石斑和额外换行符
p=g#存储以前的石斑鱼以检测变化
}
{
$1=$1#重建OFS的记录
打印输出
}“awk
非常强大,但是如果您需要更复杂的重新格式化,您可能希望切换到perl
或python
。感谢mouviciel的建议,我确实希望给这个bash脚本一个机会,在尝试其他语言之前完成它。如果其他方法都失败了,我可能会切换到其他语言。awk
功能非常强大,但是如果您需要更复杂的重新格式化,您可能希望切换到perl
或python
。感谢mouviciel的建议,我确实希望给这个bash脚本一个机会,并在尝试其他语言之前完成它。如果一切都失败了,我可能会改用其他语言。非常感谢詹姆斯!这很有效。我将尝试设置路线的格式。投了赞成票,但我是新来的,所以它不显示。非常感谢詹姆斯!这很有效。我将尝试设置路线的格式。向上投票,但我是新的,所以没有显示。谢谢Shachar,我已经编写了排序机制,但这也有帮助。谢谢Shachar,我已经编写了排序机制,但这也有帮助。
0144
0144
0144
0145
0145
0145
0145
0145
0150
...
2014Sept01 0144
TBP iP c 014449.61 iS 014455.09 2366.20 29.41 L
LLP iP d 014450.82 iS 014457.36 1414.20 82.30 L
MSLP eP 014456.98 eS 014509.62 72.00
2014Sept01 0145
OCLP eP 014505.60 eS 014524.97 69.00
DCP eP c 014507.15 eS 014530.52 268.80 115.79 L
GUIM eP 014514.78 eS 014534.25
PAGZ eP 014520.03 eS 014546.38
BUKP eP 014520.40 eS 014546.68
2014Sept01 0250
BBPS eP 025007.36 eS 025022.74 310.00
SGCP eP 025009.43 eS 025025.00 258.00
APYP eP 025013.77 eS 025033.51 294.00
SIPP eP c 025017.98 eS 025049.24 32739.00 267.36 L
ABRA eP 025018.32 317.00
CAUP eP 025027.99 317.00
SMPP eP 025038.70 eS 025116.93
BOLP eP 025039.33 eS 025116.19 331.00
BALP eP 025042.59 eS 025125.51 280.00
PCP eP c 025046.89 eS 025132.15 543.00 249.71 L
2014Sept01 0251
LQP eP c 025105.80 1888.00 269.35 L
TGY eP c 025107.21 1728.00 183.40 L
GQP eP c 025109.23 eS 025210.11 1481.10 180.41 L
2014Sept01 0252
KCP iP d 025249.58 -41.73 324.15 T
2014Sept01 0434
LUBP eP 043452.34 eS 043459.96 68.00
PGP eP c 043456.97 eS 043501.27 42702.00 196.60 L
TGY eP d 043457.41 eS 043507.61 33835.00 157.27 L
2014Sept01 0435
LQP iP d 043502.88 iS 043517.81 6307.00 168.13 L
BOAC eP 043503.74 eS 043519.98 139.00
BUSP eP 043507.46 eS 043527.58 146.00
OTRP eP 043512.77 eS 043535.66 97.00
GQP eP d 043513.54 iS 043537.15 714.60 117.54 L
PCP eP c 043514.59 eS 043538.74 441.00 151.61 L
BALP eP 043521.07 eS 043550.06 172.00
ENPP eP 043521.51 eS 043546.79
SMPP eP 043521.96 eS 043551.39 341.00
JAP eP d 043522.67 2732.70 161.82 L
CUYO eP 043522.99 160.00
CAUP eP 043536.77 eS 043616.73 210.00
...
$ awk '
BEGIN { FS=","; OFS="\t" } # tabs as output delimiter, not pixel perfect, column might help
{
g=substr($4,1,4) # 4 chars from $4 to grouper
}
g!=p || NR==1 { # if grouper changes or NR==1
print (NR==1?"":ORS) g # print grouper and and extra newline
p=g # store previous grouper to detect change
}
{
$1=$1 # rebuild record for OFS
print # output
}' <(sort -t, -k4n file) # sort file on 4th column
# | column # try to pipe the above to column?
0023
MMP iP c 002309.82 iS 002311.09 3208 18.87 L
0035
CNOP eP 003544.06 eS 003551.64 151.00
SNP iP c 003552.87 iS 003605.55 1924.5 158.07 L
GUIM eP 003554.16 eS 003608.49 99.00
DCP eP c 003559.26 1214.0 88.89 L
0036
...