私のファイルは次のとおりです。
pw1jc5ssyt6hx618,254343
ysezaratlycpuggl,254333
pht92h4adr3mrbz3,254343
hguvgstqxu3gowfg,254344
gqjp2rsjmk1a2v9c,254333
twdzyi2ddbnrfknd,254333
gcmj7krrx5x6nf8r,254341
tpqorqbyrg1nmm7s,254333
alnac47rt8d4ege3,254343
-
2番目の列に基づいてこのファイルを区切り記号にマージして、結果を次のようにしたいと思います。
254343,pw1jc5ssyt6hx618-pht92h4adr3mrbz3-alnac47rt8d4ege3
254333,ysezaratlycpuggl-gqjp2rsjmk1a2v9c-twdzyi2ddbnrfknd-tpqorqbyrg1nmm7s
254344,hguvgstqxu3gowfg
254341,gcmj7krrx5x6nf8r
答え1
awk
あなたの友達です
$ cat 299360
ipw1jc5ssyt6hx618,254343
ysezaratlycpuggl,254333
pht92h4adr3mrbz3,254343
hguvgstqxu3gowfg,254344
gqjp2rsjmk1a2v9c,254333
twdzyi2ddbnrfknd,254333
gcmj7krrx5x6nf8r,254341
tpqorqbyrg1nmm7s,254333
alnac47rt8d4ege3,254343
$ awk -v FS="," '/^$/{next} # for empty line go to next record
{if(NR==1){ # checking for first record
f2[$2]=$1;next} # Adding $1 to array f2 at index $2
else{
if($2 in f2){ # Check if $2 is already an index in f2
f2[$2]=f2[$2]"-"$1;next #appending "-$1" to current value
}
else{
f2[$2]=$1;next
}
}}
END{ # This line will be processed at the end
for(i in f2){ # for all the indexes i in f2
printf "%s,%s\n",i,f2[i] #printing in the desired format
}
}
' 299360
254341,gcmj7krrx5x6nf8r
254333,ysezaratlycpuggl-gqjp2rsjmk1a2v9c-twdzyi2ddbnrfknd-tpqorqbyrg1nmm7s
254343,pw1jc5ssyt6hx618-pht92h4adr3mrbz3-alnac47rt8d4ege3
254344,hguvgstqxu3gowfg
説明する
FS=","
- FSはawkの組み込み変数としてフィールド区切り文字を表します。フィールド区切り記号を次に設定すると、区切り文字に,
設定されます。,
$1
$2
などでフィールドにアクセスできます。- awkスクリプトは一重引用符で囲まれています。
'awk-script-goes-here'
NR
レコード番号(現在処理中のレコード番号)を表すawk組み込み変数。デフォルトでは、各行はレコードです。- field2でインデックス付けされた連想配列(例:)を
f2[$2]=$1
設定しています。f2
$2
$2 in f2
インデックスが配列にすでに存在することを確認してください。- そして自明
if-else
です。printf
- awkのブロックは
END
最後にのみ実行されます。つまり、すべてのレコードが処理された後に実行されます。 for(i in f2)
awkで連想配列を解析するために使用されるforループ構造。これは別の表現で、for every index i in f2 do something
- 上記の
for
ループは配列を順番に印刷しないことがあります。ただし、sort
bashコマンドを使用して配列を並べ替えることはできます。 next
後続のコマンドを処理せずに次のレコードに移動します。/pattern/
awkのパターンチェック;パターンは^$
空白行をチェックします。
引用する
awkの専門家になりたいなら、効果的なawkプログラミング必ず読むべき本です。
醜い一行
awk -v FS="," '/^$/{next}{if(NR==1){f2[$2]=$1;next}else{if($2 in f2){f2[$2]=f2[$2]"-"$1;next}else{f2[$2]=$1;next}}}END{for(i in f2){printf "%s,%s\n",i,f2[i]}}' 299360
メモ:理想的には、awkスクリプトで改行をハードコーディングすることはお勧めできませんprintf "%s,%s\n",i,f2[i]
。printf "%s,%s\n",i,f2[i];print
さらなる移植性のために。
答え2
GNUと共にデータ混合:
datamash -t, -s -g 2 collapse 1 <data.txt | sed 's/,/-/2g'
結果:
254333,ysezaratlycpuggl-gqjp2rsjmk1a2v9c-twdzyi2ddbnrfknd-tpqorqbyrg1nmm7s
254341,gcmj7krrx5x6nf8r
254343,pw1jc5ssyt6hx618-pht92h4adr3mrbz3-alnac47rt8d4ege3
254344,hguvgstqxu3gowfg
答え3
存在するperl
:
#! /usr/bin/perl
use strict;
my %mergecol = ();
while(<>) {
s/#.*//; # strip comments
next if (m/^\s*$/); # skip empty lines
chomp;
my ($val,$key) = split ',';
push @{ $mergecol{$key} }, $val;
};
foreach my $k (keys %mergecol) {
printf "%s,%s\n", $k, join('-', @{ $mergecol{$k} } );
}
このwhile
ループは入力を読み込み、HoA(ハッシュ配列)構造、つまり各要素が配列(「リスト」とも呼ばれる)である連想配列を生成します。ハッシュのキーは2番目のフィールドであり、各リストの要素は同じ2番目のフィールドを持つ行の最初のフィールドです。
スクリプトの最後に、各レコードのキー名、コンマ、およびを含むHoAの1行を印刷します-
。
次に実行:
$ ./rock.pl rock.txt
254341,gcmj7krrx5x6nf8r
254333,ysezaratlycpuggl-gqjp2rsjmk1a2v9c-twdzyi2ddbnrfknd-tpqorqbyrg1nmm7s
254344,hguvgstqxu3gowfg
254343,pw1jc5ssyt6hx618-pht92h4adr3mrbz3-alnac47rt8d4ege3
または、「1行」に減らして、シェルコマンドまたはスクリプトに含めます。
$ perl -n -e '
s/#.*//;
next if (m/^\s*$/);
chomp; ($v,$k)=split ","; push @{ $mc{$k} }, $v;
END {
foreach $k (keys %mc) { printf "%s,%s\n", $k, join("-",@{$mc{$k}}) }
}' rock.txt
または
$ perl -e 'while(<>) {s/#.*//;next if (m/^\s*$/);chomp;($v,$k)=split ",";push @{$mc{$k}}, $v};
foreach $k (keys %mc) {printf "%s,%s\n",$k,join("-",@{$mc{$k}})}' rock.txt
ハッシュまたは関連配列は次のとおりです。本質的に無秩序、出力をソートするには、入力をパイプするか、sort
上の行を使用します。(sort keys %f)
foreach my $k
答え4
GNUの2次元配列awk
awk -F, '{
a[$2][$1]
}
END{
for (i in a) {
c=0; printf "%s,", i;
for (j in a[i]) {
++c; printf "%s%s", j, length(a[i]) == c? "\n": "-"
}
}
}' file