如何从awk或sed的行中提取单引号中的数字？

Question

我有这行，以制表符分隔：

chr1    11460   11462   '16/38' 421     +       chr1    11460   11462   '21/29' 724     +       2
chr1    11479   11481   '11/29' 379     +       chr1    11479   11481   '20/5' 667     +       2

我要做的是测试''中的所有第二个数字是否都大于或等于10。如果是，我将输出此行。 所以结果应该是打印第一行

chr1    11460   11462   '16/38' 421     +       chr1    11460   11462   '21/29' 724     +       2

我可以编写一个perl代码来做到这一点。 但这似乎是awk可以轻松完成的事情。任何人都有解决方案吗？

谢谢。

Answer 1

如果设置正确的字段分隔符，则非常简单：

awk -F "['/]" '{for (i=3; i<=NF; i+=3) if ($i<10) next; print}' file

Answer 2

获取单引号内内容的最简单方法可能只是剥离每一行两端（包括单引号在内）的所有内容：

$ sed "s/^[^']*'//;s/'.*//" file
16/38
11/29

这个sed表达式包含两个命令：

• s/^[^']*'// -将所有文本剥离为第一个单引号，
• s/'.*//将第一个（剩余的）单引号中的所有文本剥离到EOL。

要将其包装在对数据执行某些操作的shell脚本中，需要..嗯，一个shell脚本...

您可以使用bash的read命令来解析这些内容。 例如：

#!/bin/bash
IFS=/
sed "s/^[^']*'//;s/'.*//" file \
| while read left right; do
  echo "$left / $right"
done

要实现可捕获多个单引号内容的内容，可以适当地扩展sed脚本，并针对所需条件实现if语句。 例如，用于捕获两个单引号字符串的sed表达式可能是：

sed "s/^[^']*'\([^']*\)'[^']*'\([^']*\)'.*/\1 \2/"

这是一个大型正则表达式，它使用两组括号\\(和\\)来标记将放置在输出中的模式\\1和\\2 。

但是您最好根据列位置解析事物：

$ while read _ _ _ A _ _ _ _ _ B _; do echo "$A .. $B"; done < file
'16/38' .. '21/29'
'11/29' .. '20/5'

实际执行编程逻辑留给读者练习。 如果您希望我们帮助您编写脚本，请包括到目前为止的工作。

Answer 3

只要这些是字符串中唯一的'字符，并且数字不带前导零，则可以使用正则表达式：

\d\d+'.*\d\d+'

如果这些先决条件中的任何一个都不成立，则可以进行更改，但要视情况而定。

您应该能够使用grep来获取要使用该正则表达式的行。 以下内容仅将第一行放入stdout：

grep \d\d+'.*\d\d+' "chr1    11460   11462   '16/38' 421     +       chr1    11460   11462   '21/29' 724     +       2
chr1    11479   11481   '11/29' 379     +       chr1    11479   11481   '20/5' 667     +       2"

Answer 4

我的版本，严重过大，但是每行可以使用任意数量的“ xx / xx”：

awk -F'\t' "{
    found=1;
    for(i=0;i<NF;i++){
        if(match(\$i, /'[[:digit:]]+\/([[:digit:]]+)'/, capts)){
            if(capts[1] < 10){
                found=0;
                break;
            }
        }
    }
    if(found){
        print;
    }
}" file.txt

说明：

这将遍历该行的每个字段，并对该字段应用正则表达式以查找“ xx / xx”的最后一位。 如果最后一位少于10，它将跳出循环并转到下一行。 如果if循环已经处理了所有字段，并且最后一位数字都不小于10，它将打印该行。

注意：

看到我正在使用match函数捕获正则表达式组，这仅适用于GNU awk。