Question

我有一些运行速度非常慢的awk代码。我的文件格式是制表符分隔5列ASCII。我在第5列上操作以获取适当字符的计数以更改第4列中的值。

示例输入行：

10 5134832 N 28 Aaaaa * AAAAaAAAaAAAAaAAAA ^] a ^] a ^ Fa ^] a

如果我在$ 5中找到任何“^”，我想不计算它，或者以下字符。然后我想知道有多少个字符是“＆gt;”或“＆lt;”或“*”并将其从计数中删除。我猜测使用gsub，并且3次拆分不太理想，特别是因为第5列偶尔可能是一个非常长的字符串。

awk '{l=$4; if($5~/>/ || $5~/</ || $5~/*/ )  {gsub(/\^./,"");l-=split($5,a,"<")-1;l-=split($5,a,">")-1;l-=split($5,a,"*")-1}

如果代码在上面的行上成功运行，则l将为27。

我省略了命令的周围部分，试着把注意力集中在我有问题的部分。

那么，让这种运行更快的最佳步骤是什么？

Answer 1

我认为，gsub模式不起作用，因为/未关闭。无论如何，如果我正确地得到它并且你想要$5没有一些字符的字符数，我会选择：

count=length(gensub("[><A-Z^]","","g",$5))

您应该在[和]之间列出可跳过的字符，而不是以^开头！

Answer 2

这是一个猜测：

awk '
    BEGIN {FS = OFS = "\t"}
    {
        str = $5
        gsub(/\^.|[><*]/, "", str)
        l = length(str)
    }
'

Answer 3

您是否需要使用awk，或者这会改变吗？

cut -f 5 < $file | grep -v '^[A-Z]' | tr -d '<>*\n' | wc -c

翻译：

从制表符分隔的$file中提取第5个字段。
删除以大写字母开头的所有字段。
删除字符<，>，*和换行符。
计算剩余的字符数。

Answer 4

这可能对您有用：

echo "10 5134832 N 28 Aaaaa*AAAAaAAAaAAAAaAAAA^]a^]a^Fa^]a" |
awk '/[><*^]/{t=$5;gsub(/[><*]|[\^]./,"",t);$4=length(t)}1' 
10 5134832 N 27 Aaaaa*AAAAaAAAaAAAAaAAAA^]a^]a^Fa^]a

如果你想显示修改后的第五个字段：

 awk '/[><*^]/{gsub(/[><*]|[\^]./,"",$5);$4=length($5)}1'

加快我的awk命令？答案必须是awk :)

4 个答案: