Question

很简单，我有一个csv文件，其中一列应仅包含整数。但是，并非全部都是整数，我想检查该文件（超过5 GB）并捕获行号和（最好是）非整数的值。我尝试了很多方法，例如使用口罩，但无济于事。

例如，我们有以下csv表：

ID
5342
76375
sdfg23
2342lslf
jfijfojwo
395-34425
abc-24523
afhfhue3224

我想知道第3、4、5、6、7和8行不是整数。输出看起来像（作为数据框/表的等效表）：

+-------------+------+
| ID          | Row  |
+-------------+------+
| sdfg23      | 3    |
| 2342lslf    | 4    |
| jfijfojwo   | 5    |
| 395-34425   | 6    |
| abc-24523   | 7    |
| afhfhue3224 | 8    |
+-------------+------+

或者甚至只是将行号溢出以进行标准化也将很有帮助。

例如，我尝试使用sed之类的东西：sed -n '/?![[:digit:]]=' csvfile.csv

Answer 1

您可以检查是否有任何行包含任何非数字字符。

$ # -n option enables line number in output
$ grep -n '[^0-9]' ip.txt
1:ID
4:sdfg23
5:2342lslf
6:jfijfojwo
7:395-34425
8:abc-24523
9:afhfhue3224

如果需要进一步处理，awk很适合。下面仅是一个示例，您可以根据需要进行修改。

$ awk 'NR==1{print "ID Row"; next} /[^0-9]/{print $0, NR-1}' ip.txt
ID Row
sdfg23 3
2342lslf 4
jfijfojwo 5
395-34425 6
abc-24523 7
afhfhue3224 8

Answer 2

您可以使用grep查找所有数字行并反转结果：

grep -vE '^[0-9]+(\.[0-9]+)?$' file

^[0-9]+(\.[0-9]+)?$模式（启用了-E的POSIX ERE语法）与完全匹配111或111.111111的行（如数字）匹配，并且-v将求反

请参见online grep demo：

s="11.1111
5342
76375
sdfg23
2342lslf
jfijfojwo
395-34425
abc-24523
afhfhue3224"
grep -vE '^[0-9]+(\.[0-9]+)?$' <<< "$s"

输出：

sdfg23
2342lslf
jfijfojwo
395-34425
abc-24523
afhfhue3224

打印不是数字的行

2 个答案: