我有一个带有约10,000行数据的大文本文件,因此每一行可能有不同数量的列。例如:
789 KKPP 2018 08 09 10 20 30 AUTO A2987 10SM 5-MIN 22/13
790 KGOX 2018 08 09 10 20 35 AUTO P0002 21/19
...
798 KLXZ 2018 08 09 10 20 40 AUTO 18013GT 7SM 21/16 RMK A02 T02060156
799 KMNO 2018 08 09 10 20 45 AUTO 10SM P0001
...
...
我想遍历每一行并提取出其中出现前缀“ P00 *”的第二列。例如,在文件的上述代码段中,我想要:
KGOX P0002
KMNO P0001
与线790和799相对应。列数是完全随机的,并且可以从一行更改为另一行。最重要的是,在该行的某处,某些文本列以“ P00”开头。
我有一个简单的while读取循环:
while IFS='' read -r line || [[ -n "${line}" ]];
do
temp=$(echo ${line} | awk '{print $7}')
if [[ ${temp:0:3} == "P00" ]];
then
data=${temp}
fi
done
但是,由于列数可能超过30,所以很快就会变得混乱。是否有更简单的方法来获取此信息,并可能写入文本文件?我知道awk可以做一些可能有用的事情,但却无法使任何事情正常工作。
答案 0 :(得分:5)
使用GNU sed:
sed -En 's/^[^ ]+ ([^ ]+).*( P00[^ ]*).*/\1\2/p' file
输出:
KGOX P0002 KMNO P0001
答案 1 :(得分:3)
您可以使用awk
:
awk '{match($0,/.*(P000[^ ]+).*/,a)} a[1]{print $2,a[1] }' input
KGOX P0002
KMNO P0001
这将搜索模式“ P00*
直到下一个空格,并将其存储到名为“ a
”的数组中。
注意:GNU awk是运行此功能所必需的。
答案 2 :(得分:2)
另一个简单的awk
脚本(标准Linux gawk
)
awk 'match($0,/P000[^ ]+/,a){print $2, a[0]}' input.txt
答案 3 :(得分:1)
看看您的输入,也许您可以选择:
grep 'P00.' | cut -d' ' -f2
答案 4 :(得分:1)
获取第二列是棘手的部分,因为它并不总是位于同一位置。正则表达式有一些更好的答案(匹配功能非常方便),但是蛮力的方法是先打印第二个字段,然后在当前行上每隔一个字段打印出来,然后找到与P00匹配的字段。
awk '{fld2=$2 ; split($0, a) ; for (f in a) { print fld2 " " a[f] } }' t | grep 'P00*'
KGOX P0002
KMNO P0001