Regex 在bash中解析类似.csv的文件

我有一个格式如下的文件：

string1,string2,string3,...
...

"number of occurrences of x",x
"number of occurrences of y",y        
...

我必须分析第二列，计算每个字符串的出现次数，并生成一个格式如下的文件：

string1,string2,string3,...
...

"number of occurrences of x",x
"number of occurrences of y",y        
...

我成功地编写了以下脚本，效果很好：

#!/bin/bash

> output
regExp='^\s*([0-9]+) (.+)$'
while IFS= read -r line
do
    if [[ "$line" =~ $regExp ]]
    then
        printf "${BASH_REMATCH[1]},${BASH_REMATCH[2]}\n" >> output
    fi
done <<< "`gawk -F , '!/^$/ {print $2}' $1 | sort | uniq -c`"

问题是string2可能包含空格，如果是，那么对gawk的第二次调用将截断该字符串。 我都不知道如何打印所有字段“从2到NF”，以维护分隔符，分隔符可以连续出现多次

非常感谢,， 再见

编辑：

正如所问，这里有一些示例数据：

（这是一个练习，很抱歉有创造性）

输入：

*,*,*
test,  test  ,test
prova, * , prova
test,test,test
prova,  prova   ,prova
leonardo,da vinci,leonardo
in,o    u   t   ,pr
, spaces ,
, spaces ,
leonardo,da vinci,leonardo
leonardo,da vinci,leonardo
leonardo,da vinci,leonardo
in,o    u   t   ,pr
test,  test  ,test
,   tabs    ,
,   tabs    ,
po,po,po
po,po,po
po,po,po
prova, * , prova
prova, * , prova
*,*,*
*,*,*
*,*,*
, spaces ,
,   tabs    ,

输出：

3, * 
4,*
4,da vinci
2,o u   t   
3,po
1,  prova   
3, spaces 
3,  tabs    
1,test
2,  test  

---

您可以进行最后的awk：

gawk '{ sub(" *","",$0); sub(" ",",",$0); print }'

或者将sed用于这类事情：

sed 's/ *\([0-9]*\) /\1,/'

awk中的一个班轮：

awk -F, 'x[$2]++ { } END { for (i in x) print x[i] "," i }' input.csv

它将每个第二列字符串的计数存储在关联数组

x

中，并在末尾循环数组并打印结果

要获得本例中显示的准确输出，您需要将其输送到

排序（1）

，将字段分隔符设置为

，

，并将排序键设置为第二个字段：

awk -F, 'x[$2]++ { } END { for (i in x) print x[i] "," i }' input.csv | sort -t, -k2,2

---

当然，唯一的条件是每行的第2列不包含

，

这里有一个Perl one liner，类似于Filipe的awk解决方案：

perl -F, -lane '$x{$F[1]}++; END{ for $i (sort keys %x) { print "$x{$i},$i" } }' input.csv

输出根据第二列按字母顺序排序。

---

@F

自动拆分数组从索引

$F[0]

开始，而awk字段从

$1

开始，谢谢！不幸的是我不擅长awk。。。它所能做到的真是难以置信do@Nopaste事实上，它是一个非常强大的工具。如果您有时间，我建议您阅读awk编程语言，它将教会您这一点（以及更多）。谢谢。。我想我会选择sed版本，这似乎是最简单的方法！我只做了一点修改：

sed-r的/^*（[0-9]+）/\1，/'