Bash：逐行循环遍历文件，找到特定的字符串并追加到每个后续行，直到找到相同的字符串

Question

我通常使用具有唯一标识符的原始文件或csv文件，可以在各种数学程序中使用它们。 最近，我得到了一个文件文件夹，其中记录之间相互匹配的唯一方法是它们在文本文件中的位置。

这是File01.txt的示例：

AA1000   
AA2222        
AB1X6110305126101234760ABA08B88                   ZZ1111110000  
AB2X611030512612006100901C109Z 001110001110                                    
AB2X611030512612006100901X571Z 007410000000                                                                   
AB1X6110305127101234760ABA10B89                   ZZ1111110022  
AB2X611030512712006101001A571Z 007410000000                                  
AB1X6110305128101234760ABA10C00                   ZZ1111110055  
AB2X611030512812006101001A571Z 007410007410                                    
AC11

第3行以AB1开头，第4-8行以AB2开头，并与第3行相对应，如从第4行开始的12个字符串所示。 这12个字符串是匹配簇的唯一方法，但不一定在所有行上都是唯一的。 知道4-8中AB2组对应于第3行中AB1组的唯一方法是第4-8行紧随第3行。对于像我这样的非程序员，这是一场噩梦。

我想做的是在File01.txt中读取并逐行循环，直到达到AB1行。 我要存储AB1行，然后继续循环遍历。 一条AB1线之后总是至少一条AB2线。 我想将AB2行写入数组，并从内存中追加AB1行，并继续循环并写入数组，直到遇到新的AB1行。 现在，新的AB1行将存储在内存中，并按上述操作直到下一个AB1行，依此类推，直到到达文件末尾（通常是AC11行）。

我希望输出文件如下所示：

AB2X611030512612006100901C109Z 001110001110    AB1X6110305126101234760ABA08B88                   ZZ1111110000                            
AB2X611030512612006100901X571Z 007410000000    AB1X6110305126101234760ABA08B88                   ZZ1111110000                                                         
AB2X611030512712006101001A571Z 007410000000    AB1X6110305127101234760ABA10B89                   ZZ1111110022                                 
AB2X611030512812006101001A571Z 007410007410    AB1X6110305128101234760ABA10C00                   ZZ1111110055    

尽管不理想，但我可以使用该类型的数据并拆分字符串等。使用bash和awk或sed之类的东西或类似的东西可能吗？

在此先感谢您为我提供的任何帮助/见解。

Answer 1

如果我有您的要求，那么这个awk小程序将可以工作：

awk '/^AB1/{ab1=$0;next}/^AB2/{print $0, ab1}'

这对于以AB1或AB2开头的任何行都无效，并且无法检查AB1 / AB2之后的12个字符的字符串是否相等。 我不知道你是否需要那张支票。

Answer 2

这可能对您有用（GNU sed）：

sed -r '/^AB1/!d;$!N;/\nAB2/!D;s/\s+$/ /;s/(.*)\n(.*)/\2\1\n\1/;P;D' file

提供的示例中的间距似乎有点不合时宜，因此我将其缩小为一个空格。