列に複数の値がある場合は、各値を含む行を別々にコピーしてください。

列に複数の値がある場合は、各値を含む行を別々にコピーしてください。

各列はタブで区切られた次の形式のファイルがあります。

C1  C2  C3
a   b,c d
e   f,g,h   i
j   k   l
...

次に、2番目の列のカンマ区切り値の数に基づいて行数を取得する必要があります(この場合)。行にはこれらの値のいずれかが必要であり、他の値はあってはなりません。結果は次のとおりです。

C1  C2  C3
a   b   d
a   c   d
e   f   i
e   g   i
e   h   i
j   k   l
...
...

急いで作業をしなければならないので、ただ作ってみました。家ではこれをしないでください。while技術が不足したり、awk他のツールを使用して他の可能なソリューションを探索したりしないため、スクリプトは1行ずつ読み取りを使用します。スクリプトは次のとおりです。

同時にスクリプトを修正しています。

# DON'T DO THIS AT HOME SCRIPT
> duplicados.txt
while IFS= read -r line; do
  # get the value of the column of interest
  cues="$(echo "$line" | awk -F'\t' '{ print $18 }')"
  # if the column has commas then it has multiple values
  if [[ "$cues" =~ , ]]; then
    # count the commas
    c=$(printf "%s" "$cues" | sed 's/[^,]*//g' | wc -c)
    # loop according to the number of commas
    for i in $(seq $(($c + 1))); do
      # get each value of the column of interest according to the position
      cue="$(echo "$cues" | awk -F',' -v c=$i '{ print $c; ++c }')"
      # save the line to a file substituting the whole column for the value
      echo "$line" | sed "s;$cues;$cue;" >> duplicados.txt
    done
    continue
  fi
  # save the single value lines
  echo "$line" >> duplicados.txt
done < inmuebles.txt

これはあなたが望む結果を得ることができます(私が知っている限り)。想像できるように、このスクリプトは遅くて非効率的です。awk他のツールを使用してこれをどのように実行できますか?

実際のデータサンプルを下に示し、関心のある列は数字18です。

1409233 UNION   VIAMONTE    Estatal Provincial  DGEP    3321    VIAMONTE                            -33.7447365;-63.0997115 Rural Aglomerado    140273900   140273900-ESCUELA NICOLAS AVELLANEDA
1402961 UNION   SAN MARCOS SUD  Estatal Provincial  DGEA, DGEI, DGEP    3029, 3311, Z11 SAN MARCOS SUD                          -32.629557;-62.483976 / -32.6302699949582;-62.4824499999125 / -32.632417;-62.484932 Urbano  140049404, 140164000, 140170100, 140173100  140049404-C.E.N.M.A. N° 201 ANEXO SEDE SAN MARCOS SUD, 140164000-C.E.N.P.A. N° 13 CASA DE LA CULTURA(DOC:BERSANO), 140170100-ESCUELA HIPOLITO BUCHARDO, 140173100-J.DE INF. HIPOLITO BUCHARDO
1402960 UNION   SAN ANTONIO DE LITIN    Estatal Provincial  DGEA, DGEI, DGETyFP 3029, TZONAXI, Z11  SAN ANTONIO DE LITIN    3601300101020009    360102097366    0250347         SI / SI -32.212126;-62.635999 / -32.2122558;-62.6360432 / -32.2131931096409;-62.6291815804363   Rural Aglomerado    140049401, 140313000, 140313300, 140483400, 140499800   140049401-C.E.N.M.A. N° 201 ANEXO SAN ANTONIO DE LITIN, 140313000-I.P.E.A. Nº 214. MANUEL BELGRANO, 140313300-J.DE INF. PABLO A. PIZZURNO, 140483400-C.E.N.P.A. DE SAN ANTONIO DE LITIN, 140499800-C.E.N.P.A. B DE SAN ANTONIO DE LITIN

答え1

awk,複合列を分割して結果を繰り返すことでこれを行うことができます。

awk -F'\t' 'BEGIN{OFS=FS} {n=split($2,a,/,/); for(i=1;i<=n;i++){$2 = a[i]; print}}' file

たぶんもっときれいにすることができますミラー- 特に、使用ネストされた動詞:

$ cat file
C1      C2      C3
a       b,c     d
e       f,g,h   i
j       k       l

$ mlr --tsv nest --explode --values --across-records --nested-fs ',' -f C2 file
C1      C2      C3
a       b       d
a       c       d
e       f       i
e       g       i
e       h       i
j       k       l

よりコンパクトなものと--explode --values --across-records --nested-fs ','交換できます。--evar ','

答え2

私は質問にタグを追加したので、ソリューションを追加する必要があるとsed感じましたsed

sed -e '/,/{s//\n/;h;s/[^\t]*\n//;x;s/\n[^\t]*//p;G;D;}'

(注:GNUと同様に、読みやすくするために改行\n文字とタブを使用しています。移植可能なソリューションの場合は、実際のタブの代わりに実際の改行文字でバックスラッシュを使用し、次のように入力します。)\tsed\n\tctrlVtab

コンマ付きの行は予約済みスペースにコピーされ、一方のコピーはコンマの前の内容を印刷し、もう一方のコピーは次のループに入るコンマの後の部分を印刷します。詳細:

  • 複数のカンマとの混同を避けるために、1 つのカンマを改行文字に置き換えます。s//\n/
  • h行を混乱させる前に、コピーを古いスペースに保存してください。
  • s/[^\t]*\n//最初のコンマの前の部分を削除してください。
  • その後、xバッファを変更します。
  • s/\n[^\t]*//pカンマで始まる部分を削除して印刷します。
  • G予約済みスペースをパターンスペースに追加します。これには追加のカンマを含めることができます。
  • D最初の行(印刷)を削除し、残りの行から再開してください。

答え3

awk(またはperlinawkモード)はおそらく最高の標準ソリューションです。できるkshbashほとんどのシェル、特に配列(、、、)を持つシェルでは、zshこれを大幅に効率的に実行できます。

set -f # split but don't glob unquoted substitutions
#bash
while IFS=$'\t' read -ra ary; do 
#ksh
while read -r line; do IFS=$'\t'; ary=($line)
#zsh I haven't worked out

  IFS=,; for v in ${ary[17]}; do 
    ary[17]=$v; IFS=$'\t'; printf '%s\n' "${ary[*]}"
  done
  # bash,ksh arrays are 0-origin versus 1-origin fields in awk
  # we don't need to special-case no-comma, it splits to a single value
done <input >output

配列のない前/制限されたシェルの場合は、次の位置引数を使用します(さまざまな場合があります)。

set -f
while read -r line; do IFS=$'\t'; set -- $line
  IFS=,; for v in ${18}; do
    # can't alter $num so yucky
    for i in $(seq $#); do
      case $i in (1);; (*) printf '\t';; esac
      case $i in (18) printf %s "$v";; (*) eval printf %s \"\${$i}\";; esac
    done
    # or maybe i=1; while [ $i -le $# ]; do ... i=$((i+1)); done
    # where [/test is likely shell builtin and seq is unlikely 
  done
done <input >output

答え4

 while read line
 do
 fic=$(echo $line | awk '{print $1}')
 laco=$(echo $line | awk '{print $NF}')
 secon_colu=$(echo $line| awk '$2 ~ /,/{print $2}')
 if [[ "$secon_colu" =~ "," ]]
 then
 for ko in $(echo $line | awk '$2 ~ /,/{print $2}'| sed 's/,/ /g')
 do
 echo "$fic $ko  $laco"
 done
 else
 echo $line
 fi
 done<file.txt

出力

C1 C2 C3
a b  d
a c  d
e f  i
e g  i
e h  i
j k l

関連情報