Question

我有一个这样的档案：

K1   bla   STARTED
K1   bla   FINISHED
K2   blu   FINISHED
K3   bli   STARTED
K3   bli   DIED_SKIPPED_PERMANENTLY
K4   blo   STARTED
K5   ble   STARTED
K5   ble   DIED_SKIPPED_PERMANENTLY
K6   blou  STARTED
K6   blou  STARTED

由此，我想获取一个文件，其中，当第1列中的每个名称都有FINISHED或DIED_SKIPPED_PERMANENTLY时，只有包含此信息的行存在而不存在其他行（带有开始或其他事情）。此外，如果两条线相同（如K6中的那条），我只想打印一条。

以我的例子为例，输出为：

K1   bla   FINISHED
K2   blu   FINISHED
K3   bli   DIED_SKIPPED_PERMANENTLY
K4   blo   STARTED
K5   ble   DIED_SKIPPED_PERMANENTLY
K6   blou  STARTED

我不能只通过

删除

grep -v STARTED

因为对于某些名称，例如我的例子中的K4，只有这一行存在，我想知道它开始（或不是）所以我需要保留该信息。

我有一个文件，其中包含我从第1列获得的所有名称：

awk '{print $1}' file | sort | uniq > names    # 7,752 lines

我在考虑这种循环：

对于文件中出现的每个名称＆＃34;名称＆＃34;，请执行：

如果其中一行$ line包含FINISHED或DIED_SKIPPED_PERMANENTLY，则只在我的输出中打印该行，而不打印其他行。否则，请保留包含该名称的所有行。但是删除相同的行。

这是一个想法，但我不知道如何做到这一点。如果有人可以提供帮助，我将不胜感激

Answer 1

我们可以使用STARTED按字典顺序大于FINISHED和DIED_SKIPPED_PERMANENTLY并使用

的事实

sort filename | awk '!seen[$1,$2]++'

由于STARTED在字典上最大，因此在STARTED完成后，FINISHED或DIED_SKIPPED_PERMANENTLY行后将始终显示sort行。 awk代码通过如此排序的行趟过，只打印那些之前没有看到字段1和2的组合的行。

Answer 2

使用awk和数组

awk '!a[$1]||/DIED_SKIPPED_PERMANENTLY|FINISHED/{a[$1]=$0}END{for(i in a)print a[i]}' f

输出

K1   bla   FINISHED
K2   blu   FINISHED
K3   bli   DIED_SKIPPED_PERMANENTLY
K4   blo   STARTED
K5   ble   DIED_SKIPPED_PERMANENTLY
K6   blou  STARTED

请注意，这是为了获得您已发布的预期输出，但不适用于实际描述。

Answer 3

awk '$3 ~ /FINISHED|DIED_SKIPPED_PERMANENTLY/ && !a[$0]++' input

这只是检查第3列是否匹配FINISHED或DIED_SKIPPED_PERMANENTLY并将整行存储在数组a中，仅在第一次看到时才打印它。请注意，这将打印包含＆＃39; FOO_FINISHED＆＃34;第三栏，但这不应成为问题。但是，根据提供的示例输出，我认为您实际上在寻找：

awk '$1!=p && NR>1{print l}; {p=$1;l=$0}END{ if($1!=p)print l}' input

当列1中的键连续出现时，

打印第1列中出现给定字段的最后一行。

根据某些条件保留文件的某些行

3 个答案: