在awk或grep的列中分隔數字

Question

我正在編寫一個腳本，該腳本將處理除第一列之外的所有列中的文件，$ 1。 我要重定向到另一個文件的內容取決於第三列的值，並且我知道該如何區分，但是我想重定向第一列而不是整個第一列的“ id” -number：

不同的輸入文件格式：

1452123_s_at        0.45609 1.55e-04    7.85    -2.89   2.657
145243_s_at         0.35709 1.46e-04    7.7     -2.9    2.713

Xl.15267.1.A1_at    0.45609 1.79e-04    7.66    -2.9    2.21
Xl.14257.1.A1_at    0.76509 1.67e-04    7.85    -2.87   2.23

160919_r_at         0.45609 1.83e-04    -7.63   -2.9    -2.888
145916_r_at         0.41869 3.82e-04    -7.56   -2.8    -2.798

162334_r_at         0.51869 2.49e-04    -7.24   -2.93   -2.095
15356_r_at          0.68229 1.79e-04    -7.45   -2.88   -2.5

160365_at           0.68223 3.82e-04    -6.72   -2.98   -1.795
16345_at            0.45623 2.94e-04    -5.99   -2.45   -1.568

26768               0.51869 1.83e-04    7.66    -2.9     2.21
30075               0.67749 1.46e-04    7.45    -2.89    2.34

所需的輸出：

1452123     1.55e-04    
145243      1.46e-04    
15267       1.79e-04    
14257       1.67e-04    
160919      1.83e-04    
145916      3.82e-04    
162334      2.49e-04    
15356       1.79e-04    
160365      3.82e-04    
16345       2.94e-04    
26768       1.83e-04    
30075       1.46e-04    

這個數字幾乎可以是1到1000萬之間的任何數字，整個第一列的結構可能會比此示例稍大一些，但是它將始終在其中包含這個數字。 有什么辦法寫出足以識別和打印該號碼的通用性的東西？ 通過使用拆分還是某種方式？

使用哪個程序，awk，grep或sed都沒有關系，我只是在尋找最有效的方法。 我對命令行也很陌生，所以請簡單解釋一下不同的命令！ 謝謝

Answer 1

只需使用gsub()除去非數值，然后打印：

awk 'NF{gsub(/[^0-9]/,"",$1); print $1, $3}' file

它返回：

1452123 1.55e-04
145243 1.46e-04
1526711 1.79e-04
1425711 1.67e-04
160919 1.83e-04
145916 3.82e-04
162334 2.49e-04
15356 1.79e-04
160365 3.82e-04
16345 2.94e-04
26768 1.83e-04
30075 1.46e-04

說明

• NF在執行下面的命令{}只是如果NF是真實的，那就是，如果該行不為空。
• gsub(/[^0-9]/,"",$1)用於第一個字段，刪除所有不在0-9范圍內的字符。 即，刪除所有非數值。
• print $1, $3打印第一個和第三個字段。

Answer 2

我將拆分非數字字符，並選擇剩下的最大數字。 以下是我的實現，感謝@fedorqui的NF技巧

NF{n=split($1,a,/[^0-9]+/); v=a[1]; for(i=2; i<=n; i++) { if (v<a[i]) v=a[i]; } print v, $3}

Answer 3

用gensub（）的GNU awk：

$ awk 'NF{ print gensub(/([^._]*[._])?([[:digit:]]+).*/,"\\2","",$1), $3 }' file
1452123 1.55e-04
145243 1.46e-04
15267 1.79e-04
14257 1.67e-04
160919 1.83e-04
145916 3.82e-04
162334 2.49e-04
15356 1.79e-04
160365 3.82e-04
16345 2.94e-04
26768 1.83e-04
30075 1.46e-04

Answer 4

我假設模式屬於有限集。 這樣就可以列出模式了。 為了簡化過程，我創建了一個gawk版本：

awk '
NF && ( match($1,/^([0-9]+)((_[rs])?_at)?$/,a) ||
match($1,/^Xl\.([0-9]+)\.1\.A1_at$/,a) ) {
    printf("%-12s%-s\n", substr($1, a[1,"start"], a[1,"length"]), $3)
}
' inputfile

第一個match檢查四種模式： <NUM>_s_at ， <NUM>_r_at ， <NUM>_at ， <NUM> 。 最后Xl.<NUM>.1.A1_at 。 然后切斷匹配的數字並格式化輸出。

輸出：

1452123     1.55e-04
145243      1.46e-04
15267       1.79e-04
14257       1.67e-04
160919      1.83e-04
145916      3.82e-04
162334      2.49e-04
15356       1.79e-04
160365      3.82e-04
16345       2.94e-04
26768       1.83e-04
30075       1.46e-04