Question

我有一个问题，我无法解决。我有3列标签分隔数据，例如：

abs nmod+n+n-commitment-n   349.200023
abs nmod+n+n-a-commitment-n 333.306429
abs into+ns-j+vn-pass-rb-divide-v   295.57316
abs nmod+n+ns-commitment-n  182.085018
abs nmod+n+n-pledge-n   149.927391
abs nmod+n+ns-reagent-n 142.347358

我需要隔离第三列的最后两个“元素”，其中我想要的结果是一个4列输出，只包含那些以“-n”结尾的元素。

如：

abs nmod+n+n   commitment-n   349.200023
abs nmod+n+n-a   commitment-n 333.306429
abs nmod+n+ns   commitment-n  182.085018
abs nmod+n+n   pledge-n   149.927391
abs nmod+n+ns   reagent-n 142.347358

在这种情况下，是否有awk，grep任何可以提供帮助的内容？文件是约。 500 MB，所以它们不是很大，但也不小。感谢您的任何见解。

Answer 1

使用此功能，您可以检查第二列是否以-n结尾，然后打印行：

$ awk '$2~/-n$/' file
abs nmod+n+n-commitment-n   349.200023
abs nmod+n+n-a-commitment-n 333.306429
abs nmod+n+ns-commitment-n  182.085018
abs nmod+n+n-pledge-n   149.927391
abs nmod+n+ns-reagent-n 142.347358

要分割第二个字段以便隔离最后两个元素，可以使用：

awk 'BEGIN{OFS=FS="\t"}
     $2~/-n$/ {
               size=split($2,a,"-");
               for (i=1; i<=size-2; i++) first=first"-"a[i];
               second=a[size-1]"-"a[size];
               print $1,first,second,$3;
               first=second=""
              }' file

返回

$ awk 'BEGIN{OFS=FS="\t"} $2~/-n$/ {size=split($2,a,"-"); for (i=1; i<=size-2; i++) first=first"-"a[i]; second=a[size-1]"-"a[size]; print $1,first,second,$3; first=second=""}' file
abs     -nmod+n+n       commitment-n    349.200023
abs     -nmod+n+n-a     commitment-n    333.306429
abs     -nmod+n+ns      commitment-n    182.085018
abs     -nmod+n+n       pledge-n        149.927391
abs     -nmod+n+ns      reagent-n       142.347358

解释

BEGIN{OFS=FS="\t"}将标签设置为输出字段分隔符。
$2~/-n$/ {}匹配第二个字段以“-n”结尾的行，并在{}内执行操作。
size=split($2,a,"-")根据-分隔符将第二个字段分段切割并保存在a[]数组中。将数组的大小存储在size var。
for (i=1; i<=size-2; i++) first=first"-"a[i]; second=a[size-1]"-"a[size]将数据保存在两个不同的块中：首先是最后一个字段;然后，最后两个字段。
print $1,first,second,$3打印所有内容。
first=second=""取消设置变量。

Answer 2

试试这个单行:( gawk）

awk -F'\t' -v OFS='\t' '$2~/-n$/{$2=gensub(/-([^-]*-n$)/,"\t\\1","g",$2);print}' file

使用您的文件输出（f）：

kent$  awk -F'\t' -v OFS='\t' '$2~/-n$/{$2=gensub(/-([^-]*-n$)/,"\t\\1","g",$2);print}' f
abs     nmod+n+n        commitment-n    349.200023
abs     nmod+n+n-a      commitment-n    333.306429
abs     nmod+n+ns       commitment-n    182.085018
abs     nmod+n+n        pledge-n        149.927391
abs     nmod+n+ns       reagent-n       142.347358

Answer 3

使用sed：

sed -r -n '/-n\t[0-9.]*$/{s/(\S+)\t(.*)-([^-]+-\S+)\t(.*)/\1\t\2\t\3\t\4/p}' filename

为了您的输入，它会产生：

abs nmod+n+n    commitment-n    349.200023
abs nmod+n+n-a  commitment-n    333.306429
abs nmod+n+ns   commitment-n    182.085018
abs nmod+n+n    pledge-n    149.927391
abs nmod+n+ns   reagent-n   142.347358

awk / grep特定列的某些部分

3 个答案:

解释