我有一个文件(data.rdb
),格式如下:
col1 col2 col3 col4 col5 col6 col7
aaa1 bbb1 ccc1 ddd1 eee1 fff1 ggg1
aaa2 bbb2 ccc2 ddd2 eee2 fff2 ggg2
aaa3 bbb3 ccc3 ddd3 eee3 fff3 ggg3
数据的某些属性:
我需要使用bash按名称提取某些列,例如col1
,col3
和col6
,其中要选择的列来自定义为{{ 1}},其中COLUMN_LIST=$@
是传递给我的Shell脚本的参数。每次我调用脚本时,参数的数量和名称可能会更改。
该脚本必须为bash,不能为python或类似版本。
有什么想法吗?我曾考虑过使用$@
/ awk
,但不知道如何通过列名进行选择。列顺序可能因文件而异。
谢谢 豪尔赫
更新
由于某种原因,这些解决方案似乎都无法在我的真实数据文件上运行(即,我完全没有输出),因此我发布了其中一个的子集:
gawk
在这种情况下,我将对列date star jdb texp
2013-11-22 epsInd 2400000.23551544 100.
2013-11-22 epsInd 2400000.23551544 100.
2013-11-22 epsInd 2400000.23551544 100.
2013-11-22 HD217987 2400000.23551544 900.
2013-11-22 TOI-134 2400000.23551544 900.
2013-11-22 tauCet 2400000.23551544 60.
2013-11-22 BD+01316 2400000.23551544 300.
2013-11-22 BD+01316 2400000.23551544 300.
2013-11-22 BD+01316 2400000.23551544 300.
2013-11-22 BD+01316 2400000.23551544 300.
star
和jdb
更新2
我使用了@EdMorton的代码,这是结果:
texp
更新3
我最终使用了EdMorton的date star jdb texp date star jdb texp
2013-11-22 epsInd 2400000.23551544 100. 2013-11-22 epsInd 2400000.23551544 100.
2013-11-22 epsInd 2400000.23551544 100. 2013-11-22 epsInd 2400000.23551544 100.
2013-11-22 epsInd 2400000.23551544 100. 2013-11-22 epsInd 2400000.23551544 100.
2013-11-22 HD217987 2400000.23551544 900. 2013-11-22 HD217987 2400000.23551544 900.
2013-11-22 TOI-134 2400000.23551544 900. 2013-11-22 TOI-134 2400000.23551544 900.
2013-11-22 tauCet 2400000.23551544 60. 2013-11-22 tauCet 2400000.23551544 60.
2013-11-22 BD+01316 2400000.23551544 300. 2013-11-22 BD+01316 2400000.23551544 300.
2013-11-22 BD+01316 2400000.23551544 300. 2013-11-22 BD+01316 2400000.23551544 300.
2013-11-22 BD+01316 2400000.23551544 300. 2013-11-22 BD+01316 2400000.23551544 300.
2013-11-22 BD+01316 2400000.23551544 300. 2013-11-22 BD+01316 2400000.23551544 300.
版本-主要是为了输出的灵活性-但由于修改,我不希望它输出错误的列:
awk
我得到的主要问题是标题行没有制表符分隔,因此列细分无法正常工作。识别制表符/非制表符的简单方法:
BEGIN {
numCols = split(column_list,cols)
OFS="\t"
}
{ sub(/\r$/,"") }
NR==1 {
for (fldNr=1; fldNr<=NF; fldNr++) {
f[$fldNr] = fldNr
}
}
{
for (colNr=1; colNr<=numCols; colNr++) {
colName = cols[colNr]
colVal = (colName in f ? $(f[colName]) : "")
printf "%s%s", colVal, (colNr<numCols ? OFS : ORS)
}
}
给出了我的一个测试文件:
tr $'\t' '#' < data.rdb | head -2
答案 0 :(得分:3)
列顺序可能因文件而异。
您可以使用awk
来使用此方法,该方法以空格分隔的标题列名称作为输入,然后通过处理第一条记录将其首先转换为列号。一旦检索到所需的列号,我们就从下一行开始打印它们。
awk -v cols='col1 col3 col6' 'BEGIN {
FS=OFS="\t"
n = split(cols, a, " ")
for (i=1; i <= n; i++)
c[a[i]]
}
{
sub(/\r$/, "")
}
NR == 1 {
for (i=1; i<=NF; i++)
if ($i in c)
hdr[i]
}
{
for (i=1; i<=NF; i++)
if (i in hdr)
s = sprintf(s "%s%s", OFS, $i)
sub(OFS, "", s)
print s
s =""
} ' file | column -t
star jdb texp
epsInd 2400000.23551544 100.
epsInd 2400000.23551544 100.
epsInd 2400000.23551544 100.
HD217987 2400000.23551544 900.
TOI-134 2400000.23551544 900.
tauCet 2400000.23551544 60.
BD+01316 2400000.23551544 300.
BD+01316 2400000.23551544 300.
BD+01316 2400000.23551544 300.
BD+01316 2400000.23551544 300.
PS:添加了column -t
以便以表格格式格式化输出。
答案 1 :(得分:1)
处理此问题的最佳方法是创建一个数组(下面的f[]
),在读取标题行时将列标题字符串(即字段名称)映射到字段编号,然后仅访问字段从那时起他们的名字。
已更新,以防止调用方要求输入不存在的列名和DOS行尾:
$ cat tst.awk
BEGIN {
numCols = split(column_list,cols)
FS=OFS="\t"
}
{ sub(/\r$/,"") }
NR==1 {
for (fldNr=1; fldNr<=NF; fldNr++) {
f[$fldNr] = fldNr
}
}
{
for (colNr=1; colNr<=numCols; colNr++) {
colName = cols[colNr]
colVal = (colName in f ? $(f[colName]) : (NR>1 ? "N/A" : colName))
printf "%s%s", colVal, (colNr<numCols ? OFS : ORS)
}
}
$ awk -v column_list='col1 col3 col6' -f tst.awk data.rdb
col1 col3 col6
aaa1 ccc1 fff1
aaa2 ccc2 fff2
aaa3 ccc3 fff3
$ awk -v column_list='col1 col3 col6 bob' -f tst.awk data.rdb
col1 col3 col6 bob
aaa1 ccc1 fff1 N/A
aaa2 ccc2 fff2 N/A
aaa3 ccc3 fff3 N/A
请注意,采用上述方法,您可以更改输出列的顺序,而不仅仅是按原始顺序打印它们:
$ awk -v column_list='col5 col2 col4' -f tst.awk data.rdb
col5 col2 col4
eee1 bbb1 ddd1
eee2 bbb2 ddd2
eee3 bbb3 ddd3
答案 2 :(得分:0)
您可以使用coreutils
进行操作。假设您有一个文件callef cols
,其中包含所需的列,例如:
col2
col3
col6
您可以像这样提取列号:
head -n1 infile | tr '\t' '\n' | grep -nf cols | cut -d: -f1 | paste -sd,
输出:
2,3,6
将此内容传递给cut
,例如:
cut -f $(head -n1 infile | tr '\t' '\n' | grep -nf cols | cut -d: -f1 | paste -sd,) infile
输出:
col2 col3 col6
bbb1 ccc1 fff1
bbb2 ccc2 fff2
bbb3 ccc3 fff3