☰

如何删除第 3 列中数字小于 60 的行？

tag-icon • tag-icon command-line text-processing
如何删除第 3 列中数字小于 60 的行？

我有一个大文件。我需要删除文件中第 3 列中数字小于 60 的所有行。

示例文件：

35110   Bacteria(100)   Proteobacteria(59)  Alphaproteobacteria(59)
12713   Bacteria(100)   Bacteroidetes(100)  Bacteroidia(100)

期望输出：

12713   Bacteria(100)   Bacteroidetes(100)  Bacteroidia(100)

答案1

不需要 Gawk 扩展：

awk -F '[()]' '$4 >= 60'

这里awk-F通过正则表达式集指定的字段标记器[]：字段由左括号或右括号分隔，因此您会看到第 3 列的数字是第 4 列awk场地。

答案2

您可以使用awk（实际上它必须是 GNU AWK 实现gawk，而不是mawk包含较少功能 - 您可能必须安装它sudo apt install gawk）来完成这项工作：

gawk '{match($3,/\((.+)\)/,m);if(m[1]>=60){print $0}}' MY_FILE

现在尽管承认这一点看起来就像外行人眼中的黑魔法一样，其逻辑很简单：

  • 对于每一行，运行最外层花括号内的内容：
  • 首先，match($3, /\((.+)\)/, m)将正则表达式\((.+)\)（匹配开始和结束圆括号，将括号之间的内容存储为第一个捕获组）与$3已处理输入行的第三列进行匹配，并将生成的匹配数组存储在变量中m。
  • 然后，检查条件if (m[1] >= 60)，即匹配的第一个捕获组的值（输入中括号之间的内容）是否大于或等于 60。如果为真，则执行{print $0}，它只会打印整个当前处理的行。

答案3

这是一个 perl 替代品

perl -alne 'print unless $F[2] =~ /\((\d+)\)$/ && $1 < 60'
  • 匹配并捕获第三个（零索引）字段末尾的带括号的十进制数字序列
  • 如果找到匹配项，则测试捕获组的数值并进行相应打印

前任。

$ perl -alne 'print unless $F[2] =~ /\((\d+)\)$/ && $1 < 60' file
12713   Bacteria(100)   Bacteroidetes(100)  Bacteroidia(100)

请注意，这实现了逻辑“删除文件中第 3 列中数字小于 60 的所有行”正如您的问题所述 - 这与打印行数大于或等于 60 略有不同。

如果您的文件确实是用逗号分隔的（而不是问题中所示的空格分隔），那么您将需要更改分隔符，即

perl -F, -lne 'print unless $F[2] =~ /\((\d+)\)$/ && $1 < 60'

答案4

如果您不想学习/使用命令行工具，您不妨在 LibreOffice Calc 中打开文件并过滤数据（Calc 支持制表符分隔的文件）。

如果你知道的话任何编程语言，那么编写一个小程序来过滤数据就很简单了。

但是如果您需要处理大量数据集，使用 MySQL 这样的 DBMS 会更容易、更快捷、更直观。

相关内容