Regex 使用UNIX/Linux操作.csv文件的特定列（排除行）

我想访问和操作csv文件的第四列。特别是我想排除不符合特定要求的行（排除没有3个字符国家代码的行）

我的数据集：

Luxembourg,LUX,2017,9294689.12
Aruba,ABW,2017,927865.82
Nepal,NPL,2017,9028196.37
Bangladesh,BGD,2017,88057460.51
Costa Rica,CRI,2017,8695008.05
Chile,CHL,2017,84603249.72
Cook Islands,COK,2017,82045.41
World,OWIDWRL,1755,9361520
India,INDIA,1763,0
Asia and Pacific (other),,2017,5071156099
World,OWID_WRL,1752,9354192
Middle East,,1751,0
International transport,,1751,0
India,IND,1751,0
Europe (other),,1751,0
China,CHN,1751,0
Asia and Pacific (other),,1751,0
Americas (other),,1751,0
Africa,,1751,0

提前谢谢

我已经按年份对我的数据文件进行了排序， 但我不知道如何访问第4列并使用awk或sed

预期数据集：

Luxembourg,LUX,2017,9294689.12
Aruba,ABW,2017,927865.82
Nepal,NPL,2017,9028196.37
Bangladesh,BGD,2017,88057460.51
Costa Rica,CRI,2017,8695008.05
Chile,CHL,2017,84603249.72
Cook Islands,COK,2017,82045.41

---

如果我没有弄错你的问题，你能试着回答以下问题吗。如果代码显示任何行的第二个字段中没有精确的3个字符，则不要打印该行

awk 'BEGIN{FS=","} $2~/^[a-zA-Z]{3}$/' Input_file

如果您有旧的

awk

，其中范围

{3}

不起作用，请尝试

awk 'BEGIN{FS=","} $2~/^[a-zA-Z][a-zA-Z][a-zA-Z]$/' Input_file

---

---

解释：在此处添加上述代码的解释

awk '                  ##Starting awk program here.
BEGIN{                 ##Starting BEGIN section from here. Which will be executed before Input_file is being read
  FS=","               ##Setting field separator as comma here.
}                      ##Closing BEGIN section here.
$2~/^[a-zA-Z]{3}$/     ##Checking condition if 2nd field is starting with alphabets 3 occurrence of it and ending with it too.
                       ##Since awk works on method of condition then action; so if condition is TRUE then perform certain action.
                       ##In this case no action given so  by default print of line will happen.
' Input_file           ##Mentioning Input_file name here.

---

以下仅输出第二个字段中具有3个字母值的行：

awk --re-interval -F, 'tolower($2) ~ /^[a-z]{3}$/' country.txt

也可以检查长度，但这样可以确保只提供3个字母

--re interval

允许您在re中使用itnernval表达式，因为大括号是awk中的保留字符

-F，

告诉awk输入分隔符是逗号

print

是awk中的默认操作，因此

tolower（$2）~/^[a-z]{3}$/

是表示

tolower（$2）~/^[a-z]{3}$/{print}

---

tolower（$2）

将第二个字段的值小写，

~

是正则表达式比较运算符，我们使用它来检查字符串的开头

^

，然后

[a-z]

重复

{3}

次以及字符串的结尾

$

国家/地区代码是否也必须是列表中的第二项，或者它是否可以出现在行中的任何位置？能否请您提及您的示例预期输出？请说明删除帖子最后一列的逻辑。Country_代码是.csv文件的第二列。我需要第二列中的代码，保持相同的结构更有意义。输出集：卢森堡，卢森堡，20179294689.12阿鲁巴，ABW，2017927865.82尼泊尔，NPL，20179028196.37孟加拉国，BGD，201788057460.51哥斯达黎加，CRI，20178695008.05智利，CHL，201784603249.72库克群岛，库克群岛，201782045。41@JohnTipotas，但问题仍然是一样的，删除第四列的逻辑是什么，条件是什么？请同时提及这些条件，然后让我们知道。是的，你说得对，抱歉，我没有说得更具体。我希望我的输出数据集在每一列中都有正确的格式，以便我可以处理它（我希望第二列正好有3个字符/国家/地区代码）。此外，您的建议非常有效。非常感谢。@Johntipota，是的，这应该适合您，代码只查找3个字符，让我也添加字符验证。@Johntipota，请检查我的编辑，并让我知道这是否有助于您？下一步，请务必在这里提及否决投票的原因？

——re interval

是awk的旧版本，您不需要新版本。