我为我正在进行的一项实验收集了 100 多名参与者的反应时间数据。不幸的是，字段之间的分隔符不一致，但是经过 sed 的一番苦心之后，我设法解决了这个问题。
该实验被分为多个块（每个参与者 5 个），我需要的是每个块都在自己的行上输出，并用逗号分隔。
这是我的数据文件的示例：
Participant: 2456, Test: Optimism IAT. Format is stimulus , correct(1)/incorrect(0) , time(ms). Writes 10 trials per line.
17/01/2011, 12:46:03 ,
Block 1: , Theirs , 1 , 1921 , Myself , 1 , 928 , Them , 1 , 716 , Theirs , 1 , 720 , Myself , 1 , 533 , Me , 1 , 596 , Themselves , 1 , 527 , Myself , 1 , 656 , Mine , 1 , 551 , Myself , 1 , 624
, Themselves , 1 , 570 , Me , 1 , 514
,Block 1 Time,: 8856 ,
Block 2: , Failing , 1 , 1835 , Happy , 1 , 1118 , Sad , 1 , 673 , Succeeding , 1 , 690 , Improving , 1 , 795 , Succeeding , 1 , 602 , Worse , 1 , 586 , Succeeding , 1 , 553 , Improving , 1 , 619 , Disimproving , 1 , 659
, Succeeding , 1 , 596 , Failing , 1 , 539
,Block 2 Time,: 9265 ,
Block 3: , Succeeding , 1 , 2881 , Disimproving , 1 , 1072 , Mine , 1 , 1120 , Me , 1 , 627 , Happy , 1 , 669 , Theirs , 1 , 1539 , Worse , 1 , 841 , Me , 1 , 862 , Sad , 1 , 1370 , Succeeding , 1 , 1115
, Worse , 1 , 855 , Theirs , 1 , 792 , Them , 1 , 627 , Better , 1 , 735 , Me , 1 , 626 , Happy , 1 , 622 , Succeeding , 1 , 616 , Mine , 1 , 646 , Them , 1 , 599 , Disimproving , 1 , 607
, Better , 1 , 799 , Myself , 1 , 1408 , Me , 1 , 463 , Better , 1 , 839 , Failing , 1 , 602 , Mine , 1 , 633 , Better , 1 , 525 , Sad , 1 , 573 , Worse , 1 , 770 , Me , 1 , 508
, Theirs , 1 , 613 , Disimproving , 1 , 649 , Improving , 1 , 701 , Theirs , 1 , 590 , Disimproving , 1 , 716 , Better , 1 , 714
,Block 3 Time,: 29924 ,
Block 4: , Them , 1 , 1659 , Myself , 1 , 1036 , Themselves , 1 , 595 , Me , 1 , 509 , Myself , 1 , 648 , Themselves , 1 , 542 , Myself , 1 , 536 , Mine , 1 , 537 , Theirs , 1 , 615 , Mine , 1 , 520
, Me , 1 , 596 , Mine , 1 , 471
,Block 4 Time,: 8264 ,
Block 5: , Mine , 1 , 1527 , Myself , 1 , 1235 , Disimproving , 0 , 2001 , Theirs , 1 , 981 , Succeeding , 1 , 1994 , Happy , 1 , 1454 , Failing , 1 , 1941 , Theirs , 1 , 1151 , Failing , 0 , 1358 , Me , 1 , 790
, Failing , 1 , 717 , Mine , 1 , 585 , Myself , 1 , 821 , Themselves , 1 , 793 , Disimproving , 1 , 965 , Succeeding , 1 , 727 , Worse , 1 , 961 , Theirs , 1 , 1259 , Mine , 1 , 578 , Better , 1 , 1112
, Mine , 1 , 1207 , Happy , 1 , 843 , Worse , 1 , 1064 , Failing , 1 , 699 , Happy , 1 , 700 , Myself , 1 , 516 , Them , 1 , 794 , Me , 1 , 526 , Sad , 1 , 1118 , Improving , 1 , 826
, Mine , 1 , 540 , Succeeding , 1 , 952 , Myself , 1 , 536 , Themselves , 1 , 851 , Improving , 1 , 865 , Mine , 1 , 582
,Block 5 Time,: 35569
正如您所看到的，每个块占用多行。我需要它们按以下格式占据一行
Participant Date Time Block Word1 Correct1 Time1.....Word36 Correct36 Time36
2456 1 Happy 1 1200 sad 0 1500
.
.
.
1234 5 sad 0 1100 happy 1 900
问题是块 3 和 5 有 36 个刺激，而块 1,2 和 4 有 12 个。我还需要每行中的参与者、日期时间和块时间。
这是将数据转换为您在此处看到的表单的脚本，但它并没有仅在一行上提供我所需要的每个块。
BEGIN{
FS="\\";
RS="#";
OFS=",";
ORS="\n";
}{
for(i=1;i<=NF;i++) {printf "%-10s", $i; printf ",";}
}
我在 Ubuntu 10.04 上使用 gawk 版本 3.1.6。
答案1
如果我理解正确，您的问题是处理输入，其中每个记录都包含多行，并且您不会检测到记录的结尾，而是检测到新记录的开头：每当行不以以下方式开头时，新记录就会开始一个逗号。
这是一些 awk 样板，您可以使用它来预处理记录的输入。
function process (record) {
RS = " *, *"; /*gawk allows RS to be a regexp; some implementations would require setting RS="," and manually trimming spaces*/
$0 = record; /*automatically sets $1, $2, ..., and NF*/
record = "";
/*your code goes here*/
}
{ if (/^ *,/) {record = record $0} else {process(record); record=$0} }
END { if (record != "") {process(record)} }'