Sorting 是否删除具有特定列长度的行？

我有一个如下所示的文本文件：

A : 1
Boy : 3
Ahoy! : 7
more : 8

Ahoy! : 7
more : 8

我必须删除长度小于或等于3个字母的行。输出应如下所示：

A : 1
Boy : 3
Ahoy! : 7
more : 8

Ahoy! : 7
more : 8

---

感谢这篇文章有点不具体，（由于沟通），根据我对问题的解释，有一些可能的解决方案

我的第一个脚本

filter.awk

：

$3 <= 3 { next }
{ print $0 }

{
  text = $1
  gsub(/[^[:alpha:]].*$/, "", text)
  if (length(text) > 3) { print $0 }
}

测试：

埃德·莫顿指出，这可以做得更短：

$3 > 3

这对我来说也是新的。（可能是这样，我被lex搞糊涂了，它的工作方式正好相反：在lex/flex中，所有不匹配的东西都会被重复。）

更可靠的方法是使用冒号（

：

）作为列分隔符（或者类似于在awk:field separator中命名的冒号）。可以通过指定内置变量

FS

来更改字段分隔符。这可以通过使用命令行参数

-F

或在一个特殊的

开始

规则中赋值来完成，该规则始终在开始时执行。（我更喜欢这封信使脚本“独立”

因此，

filter2.awk

（即

filter.awk

V2.0）：

测试：

对OP的另一种解释可能是考虑每行第一列中的连续字母数。为此，一些内置功能开始发挥作用：

gensub（）

一个功能强大的替换函数，不幸的是，它只在GNU awk中可用

length（）

返回字符串的长度（或数组中的元素数）

为此，我使用扩展测试输入

filter2.txt

：

A : 1
Boy : 3
Ahoy! : 7
more : 8

A : 1
Boy : 3
Ahoy! : 7
more : 8
Hello World : 0
Hello! World. : 0
Hi World : 0

filter3.awk

（即

filter.awk

V3.0）：

测试：

由于在这种情况下字段分隔符不变，因此第一个字段由字符组成，直到第一个空格。模式

（^[A-Za-z]+）

捕获文本开头的所有字母，并将它们存储到第一个内部缓冲区中。

*$

匹配其余部分，直到文本结束。整个文本将替换为缓冲区

\1

。（考虑一下

“\\1”

中转义的反斜杠）这在cygwin中的bash上运行良好，因为我曾经在bash初始化中定义过

LANG=C

（在遇到德语区域设置问题之后）。Ed Morton（再次）指出，使用

[[：alpha:]

而不是

[A-Za-z]

应该更健壮

如果您有非GNU awk，则

gensub（）

不可用。（几周前，另一位大师（他的名声是k）告诉我，世界上没有什么比在世界上呆头呆脑的了。检查到这一点，我意识到即使是我们公司的WWS VS构建链中的AWK实际上是一种呆滞。然而，自从我学会了这一点之后，我多次绊倒了，因为我没有认为解决方案是显而易见的，所以我的答案并不是很好。非GNU awk需要（或隐含地…）

这是我为非GNU awk

filter4.awk提供的第四个版本：

$3 <= 3 { next }
{ print $0 }

{
  text = $1
  gsub(/[^[:alpha:]].*$/, "", text)
  if (length(text) > 3) { print $0 }
}

测试：

对于
gsub（）
，我恢复了reg ex替换的逻辑：从第一个非字母字符到文本结尾的所有内容都被空字符串替换。（好吧，在
gsub（）
中甚至不存在类似枚举缓冲区的东西）

临时变量
text
的赋值是必要的，因为
gsub（）
修改其第三个参数的内容。如果我直接提供了
$1
（正如我在修复它之前所做的那样），它的内容将会改变，这反过来也会改变
$0
的内容，比如
awk'length（$1）>3'
？您可以使用类似于
awk-F:'$2>3'的内容，这里我假设冒号后面的数字就是值，你想继续过滤。你想过滤少于4个，因为示例输出中缺少Boy行。当您说
长度小于3个字母时
是指
长度小于3个字符
还是
包含少于3个字母字符
或
包含少于3个连续字母字符
还是其他？你是指整行还是仅在第一个字段中（在
：
之前）或其他内容？投入更多的精力提供样本输入/输出，以真正证明您正试图解决的问题-目前，您的输入和输出之间存在太多可能的相关性，无法提供太多帮助。“男孩”有3个字母长，不少于3个，那你为什么要删除它呢？
$33
，但无论如何，我不认为这是OP想要的。wrt
gensub（/（^[A-Za-z]+）.$/，“\\1”，“g”，“$1）
-1）你应该提到的是特定于呆呆的和更新的mawk，2）字符列表依赖于语言环境，使用
[：alpha:]
，3）您不能多次匹配
^
，因此第三个参数应该是
1
，而不是
“g”
。我仍然不知道代码实现的是否是OP想要的，当然，因为她还没有告诉我们：-）。
$ awk -f filter3.awk filter2.txt
Ahoy! : 7
more : 8
Hello World : 0
Hello! World. : 0

$

{
  text = $1
  gsub(/[^[:alpha:]].*$/, "", text)
  if (length(text) > 3) { print $0 }
}

$ awk -f filter4.awk filter2.txt
Ahoy! : 7
more : 8
Hello World : 0
Hello! World. : 0

$