Question

提取与关键字对应的家庭数据。

Z1/NEW "THE_PALM" 769 121003   1545     
NEW HOUSE IN
SOMETHING SOMETHING

SN                HOUSE            CLASS
FIRST             PSD93_PU         1579

CHAIRS
WOOD
SILVER SPOON
GREEN GARDEN



Z1/OLD "THE_ROSE" 786 121003   1343     
NEW HOUSE OUT
SOMETHING NEW

SN                HOUSE            CLASS
FIRST_O           PSD1000_ST       1432

CHAIRS
WOOD
GREEN GARDEN
BLACK PAINT


Z1/OLD "The_PURE" 126 121003   3097    
NEW HOUSE IN
SOMETHING OLD

SN                HOUSE            CLASS
LAST_O            JD4_GOLD         1076

CHAIRS
SILVER SPOON

我有一个非常大的文件。每个描述的末尾都有关于房子的项目清单。对应于包含SILVER SPOON的房屋，我想提取HOUSE ID，如数据PSD93_PU和日期121003。我尝试了以下方法：

awk 'c-->0;$0~s{if(b)for(c=b+1;c>1;c--)print r[(NR-c+1)%b];print;c=a}b{r[NR%b]=$0}' b=7 a=0 s="SILVER" infile > outfile

但问题是关键字SILVER上方的行数是如此随机，我无法找出解决方案。

Answer 1

假设每个新房子都以Z1

开头

 $ awk '$1 ~ /^Z1/ { date=$4; id=""; f=0; next; } \
        $1 == "SN" { f=1; next; }                 \
        f == 1 { id=$2; f=0; next; }              \
        $1" "$2 == "SILVER SPOON" { print id,date }' file

，在新房子上，重置所有变量并获取日期如果 SN 匹配，则下一行包含id 从该行获取id 如果找到“ SILVER SPOON ”，则打印id和date 如果没有找到，将会满足新房子，并重置变量。

使用给定数据进行测试：

$ awk '$1 ~ /^Z1/ { date=$4; id=""; f=0; next; } $1 == "SN" { f=1; next; } f == 1 { id=$2; f=0; next; } $1 == "SILVER SPOON" && $2 == "SPOON" { print id,date }' file 
PSD93_PU 121003
JD4_GOLD 121003

note ：如果有人知道如何以及$1 == "SILVER" && $2 == "SPOON"可以在一个声明中合并在一起，那就好了:) - 如：$1,$2 == "SILVER SPOON"

修改的：可以使用$1" "$2 == "SILVER SPOON"来完成一个人可能会省略空格并执行$1$2 == "SILVERSPOON"但即使$2为空并且$1包含整个字符串，或$1 SILVERSPO 和$2 ON 。所以这个空间就像是一场严格的匹配。

Answer 2

使用sed：

sed -n -e 's/^Z1[^"]*"[^"]*"[ \t]*[0-9]*[ \t]*\([0-9]*\).*/\1/p'
       -e '/^SN[ \t]*HOUSE/ { n; s/^[^ \t]*[ \t]*\([^ \t]*\).*/\1/p }'

首先，我们使用sed选项调用-n，以告诉它只打印我们告诉它的内容。

第一个命令将搜索特定模式以提取日期。该模式包括：

^Z1：以字符串“Z1”开头的行。
[^"]*：零个或多个不是双引号的字符
"：双引号字符
[^"]*：零个或多个不是双引号的字符
[ \t]*：零个或多个字符为制表符或空格
[0-9]*：零个或多个数字
[ \t]*：零个或多个字符为制表符或空格
$[0-9]*$：零个或多个数字。使用反斜括号来捕获匹配，即。匹配存储在辅助变量\1中。
.*：零个或多个字符，有效地跳过所有字符，直到该行结束。

然后将此匹配的行替换为\1，其中包含我们捕获的内容：日期。命令后p告诉sed打印结果。

第二行包含两个组合在一起的命令（在大括号内），因此它们仅在大括号之前的“地址”上执行。地址是一种模式，因此它在与模式匹配的每一行上执行。该模式由一行以“SN”开头，后跟一系列空格或制表符，后跟字符串“HOUSE”。

当模式匹配时，我们首先执行n next命令，该命令从输入加载下一行。然后，我们从新行中提取ID，其方式类似于提取日期。匹配的替代模式是：

^[^ \t]*：以零个或多个不是空格或制表符（空格）的字符开头的字符串。
[ \t]*：然后有一个零或多个空格和/或制表符的序列。
$[^ \t]*$：然后捕获一系列非空白字符
.*：匹配剩余的字符，以便跳过它们。

替换成为捕获的ID，我们再次告诉sed将其打印出来。

这将打印出包含日期的行，后面是包含ID的行。如果你想要一个格式为ID date的行，你可以将sed的输出传递给另一个sed实例，如下所示：

sed -n -e [...] | sed -e 'h;n;G;s/\n/ /'

此sed实例执行以下操作：

读取一行，h命令告诉它将该行存储到保留空间（辅助缓冲区）。
使用n命令阅读下一行。
G get命令会将保留空间的内容追加到模式空间（工作缓冲区）中，所以现在我们有ID行后跟日期行。
最后，我们用空格替换换行符，因此这些行连接成一行。

希望这有助于=）

Answer 3

如果您的记录被两个或三个空白行分隔，并且家庭项目之前的行间距一致，您可以使用GNU awk，如下所示：

awk -r 'BEGIN { RS="\n{3}\n*"; FS="\n" } /SILVER SPOON/ { split($1, one, OFS); split($6, two, OFS); print two[2], one[4] }' file.txt

结果：

PSD93_PU 121003
JD4_GOLD 121003

匹配以下行中的单词后提取随机模式

3 个答案: