Question

我有一个这种格式的文本文件：

((abcd@04548_5957:0.0363,(((efgh@00512_777:0.019251010,((igkl@03175_4509:0.01768455)100:((efgh@0.05985636)57:

如何在@标记之前仅提取4个字符，如果字符串在文件中重复，还要提供数字？像

abcd 1
efgh 2
igkl 1

Answer 1

通过将RS设置为@，将FS设置为(，awk会将@和count之间的文本作为每条记录的第一个字段。如果该字段的长度为4，则我们在数组{{1}}中递增一个计数器。最后，我们只打印出所有计数。

Answer 2

假设：

@之前的任意4个字符构成匹配。
可以接受对比赛进行排序。

使用 GNU grep：

grep -Po '.{4}(?=@)' file | sort | uniq -c | awk '{ print $2, $1 }'

-o指示grep仅输出每行的匹配部分。
GNU grep＆＃39; -P选项支持PCREs，支持环视断言（以及其他功能）;在这种情况下，他们允许使用积极的预见断言(?=@)来检测 @，而不将其包括在匹配中。
uniq -c获取sort ed输入，并将具有相同内容的相邻行折叠到一行前面，并以空格分隔。
awk '{ print $2, $1 }'只需交换两个输出列，即可在计数前放置匹配项。

（在(和@之间匹配的更强大的替代方案：

grep -Po '\(+\K.*?(?=@)' file | sort | uniq -c | awk '{ print $2, $1 }'

）

使用 BSD / macOS grep：

grep -Eo '.{4}@' file | sort | uniq -c | awk '{ print substr($2, 1, length($2)-1), $1 }'

[只需要 BSD / macOS grep]概念上稍微简单的变体（尽管效率稍低），如glenn jackman所示：

grep -Eo '.{4}@' file | tr -d @ | sort | uniq -c | awk '{ print $2, $1 }'
grep -Eo '.{4}@' file | sed 's/@$//' | sort | uniq -c | awk '{ print $2, $1 }'

Answer 3

另一个awk

$ awk -F@ '{for(i=1;i<NF;i++) a[substr($i,length($i)-3)]++} 
       END {for(k in a) print k, a[k]}' file

abcd 1
igkl 1
efgh 2

如何在'（'和'@'之间提取4个字符

3 个答案: