☰

删除包含特定字符串的字段

tag-icon • tag-icon text-processing sed perl
删除包含特定字符串的字段

我file1包含多个制表符分隔的字段，其中我只想删除包含特定字符串的字段，在我的例子中是下划线字符_（不删除所有行）：

cat file1
357M        2054_
357_        154=        1900_
511_        419X        1481_        34=

我想获得以下信息：

cat file2
357M
154=
419X        34=

我设法删除了这些字段，如下所示：

cat file1 | perl -pe 's/\w+_\s*//g'
357M    154=        419X        34=

但格式不好，因为我不想改变列数。

我也尝试过：

cat file1 | sed 's/[0-9]*_//g'
357M
          154=
          419X         34=

但我想去掉那些空列。

一种实际上也有效的蛮力方法：

cat file1 | sed 's/[0-9]*_//g' | tr -s '\t' '\t' | sed 's/^[ \t]*//g'
357M
154=
419X         34=

最后一条命令： (1) 删除所有包含下划线的字段； (2) 将一行中的多个选项卡替换为一个选项卡； (3) 删除前导标签。虽然不是那么优雅。

有什么建议么？

答案1

考虑：

sed 's/[^\t]*_//; s/\t[^\t]*_/\t/g' < input

这执行两个（条件）替换：

  • 第一个表示“任何（零个或多个）非制表符后跟下划线”，替换为“（无）”
  • 第二个表示“将制表符后跟任何（零个或多个）非制表符后跟下划线”替换为“制表符”，并在找到该搜索模式时多次执行此操作。

需要进行第一次搜索，以便找到应删除的前导字段；第二个扫除其余的。

这会将原始字段保留在其列中：

357M
        154=
        419X            34=

要完全删除字段，只需在搜索和替换文本中包含选项卡即可：

sed 's/[^\t]*_\t//; s/\t[^\t]*_//g' < input

结果是：

357M
154=
419X    34=

答案2

你可以使用这个简单的sed.

sed 's/\w*_\s*//;/^$/d' infile.txt

/^$/d将删除空行，其中该行仅包含一个以下划线foo_或_单独结尾的字段。

给出结果：

357M
154=
419X    34=

答案3

总是有“蛮力和无知”的方法。

  • 去掉坏字段
  • 将多个选项卡转换为单个选项卡
  • 从行首删除单个标签
  • 从行尾删除单个选项卡

它不聪明，不聪明，但它有效。

在下文中，TAB 表示文字 TAB 字符

sed -e 's/[0-9]*_//g' -e 's/TABTAB/TAB/g' -e 's/^TAB//' -e 's/TAB$//'

例如

$ cat x
357M    2054_
357_    154=    1900_
511_    419X    1481_   34=
$ sed -e 's/[0-9]*_//g' -e 's/            /       /g' -e 's/^     //' -e 's/     $//' < x
357M
154=
419X    34=

答案4

如果您只关心内部字段（即，不是一行中的第一个或最后一个字段）。但您想查看所有领域。所以我有一个解决方案，让它看起来我们没有处理每行的最后一个字段：

sed -e 's/$/\t/' -e 's/[^\t]*_[^\t]*\t//g' -e 's/\t$//'

这

  1. 在每行末尾添加一个制表符（从而实际上创建一个n+1 th 字段，该字段为空）。
  2. 查找包含 的所有字段（非制表符字符串）_ 并删除它们以及后面的制表符（将其替换为空）。这适用于n th 字段（即原始行的最后一个字段），因为步骤 1 在末尾添加了一个制表符。
  3. 从行尾删除多余的制表符。

它具有保留空字段的功能（我知道您没有要求，但一旦您看到它可用，您可能会感激）：

$ 猫文件3
棕色的狗跳了起来。
        敏捷的狐狸胜过懒惰的狐狸
四年又_年
        七年前的分数...

$（上面的命令）文件3
棕色的狗跳了起来。
        敏捷的狐狸胜过懒惰的狐狸
四年
        七年前的分数...

PS 根据sed您所使用的版本，您可能需要在命令中输入实际的选项卡而不是\t.或者，如果您使用的是 bash，则可以$'…'使用sed包含\t.

相关内容