Question

我正在尝试解析具有标题部分（130行，单列）的大型CSV（大约90 MB）。第131行是列标题，其中包含单个列的名称（总共20列）。

我不需要解析前9列，从＃10列到第20列的数据采用以下格式（为了便于查看，重新格式化为列，但下面的每一行实际上都位于单个列中CSV）

0/0：的 3,0 ：9：0,9,90

./。

0/1：的 6,3 ：49：73,0,111

0/1：的 13,3 ：99：103,0,254

0/1：的 6,6 ：45：56,3,124

0/1：的 2,2 ：34：43,0,51

0/1：的 80,0 ：87：252,5,1882

0/1：的 25,12 ：99：139,286,3281

./。

0/1：的 6,8 ：64：64,0,130

0/1：的 4,5 ：65：109,0,114

以“0/0： 3,0 ：9：0,9,90”为例，标准为：如果突出显示的两个数字（3,0）加起来到＆gt; = 20并且第二个数字（0）大于或等于10，然后将其打印到新的CSV。如果没有通过标准，只需打印“./。”在新的CSV中。具有“./。”的单元格。已经将保持“./。”在新的CSV中。

我已经在这个帖子use awk to process a csv (tab delimited) line by line中询问了部分问题，并且感谢肯特，我现在知道如何将标准应用于单个单元格，但我需要遍历10列并应用相同的标准。以下是我的想法，但显然，我需要更多的帮助来完成这个。任何帮助/建议将不胜感激。

BEGIN {
-F'\t'; -v OFS='\t'

for (i=10; i<=20; i++)   
 {
  t=$i; 
  split(t,a,/[:,]/)}(a[2]+a[3])>=20 && a[3]>=10
  }

}

Answer 1

如果您的问题包含来自给定输入的示例输出，这将有助于提供准确的答案。但总的来说，你非常接近你的解决方案......除了...... (t,a,/[:,]/)}？哪个是开头'{'char？您的代码中存在{和} s的不平衡。您应该收到一条错误消息，并且根据哪个awk，它很可能会指向您无法解析的内容。

BEGIN { -F"\t"; OFS="\t" }
# -----------missing ----^--
# awk doesn't like '\t' quoting, use "\t"
# the -v is only for the command line, not in a BEGIN block

# awk executes whatever is inside a { } block like illustrated below
# for each line of data in the file
# 
# not clear if this is what you want
{
# --- note, missing opening { char

    for (i=10; i<=20; i++) {
      t=$i; 
      #old ver split(t,a,/[:,]/)}(a[2]+a[3])>=20 && a[3]>=10
      # new
      split(t,a,/[:,]/)
       if ( (a[2]+a[3])>=20 && a[3]>=10 ) {
          printf("%s\t", $i)
       }  # end if
     }    # end for i
     printf("\n")
}         # end awk loop 
          # that processes each line
          # of data from a a file

要仅打印部分内容，我了解您的问题，您必须依赖awk更精细的printf("%s", "string")功能。请注意，我将$i作为要打印的参数传递，您可能需要使用其中一个数组变量a[2]或其他任何内容。

IHTH

AWK - 循环浏览大型CSV文件并打印包含通过条件的记录的新CSV

1 个答案: