我有一个巨大的 csv 文件，其中有 10 个字段，用逗号分隔。不幸的是，有些行格式错误，并且不包含正好 10 个逗号（当我想将文件读入 R 时，这会导致一些问题）。如何过滤掉恰好包含 10 个逗号的行？
答案1
另一个 POSIX：
awk -F , 'NF == 11' <file
如果该行有 10 个逗号，则该行将有 11 个字段。所以我们简单地awk使用,作为字段分隔符。如果字段数为 11，则条件NF == 11为 true，awk则执行默认操作print $0。
答案2
使用egrep（或grep -E在 POSIX 中）：
egrep "^([^,]*,){10}[^,]*$" file.csv
这会过滤掉任何不包含 10 个逗号的内容：它匹配整行（^在开头和$结尾），包含{10}序列“任意数量的字符（除了 ','，后跟单个 ','”）的十次重复 ( ) ( ([^,]*,))，后跟除“,”( [^,]*) 之外的任意数量的字符。
您还可以使用该-x参数来删除锚点：
grep -xE "([^,]*,){10}[^,]*" file.csv
这比效率低库恩勒姆的awk解决方案；在我的系统上，对于包含 10 个左右逗号的行，后者通常要快六倍。更长的线路会导致速度大幅下降。
答案3
最简单的grep代码可以工作：
grep -xE '([^,]*,){10}[^,]*'
解释：
-x确保模式必须匹配全部的线，而不仅仅是其中的一部分。这很重要，因此不要匹配包含超过 10 个逗号的行。
-E表示“扩展正则表达式”，这可以减少正则表达式中的反斜杠转义。
括号用于分组，after{10}表示括号内的模式的一行中必须恰好有十个匹配项。
[^,]是一个字符类，例如，将匹配 a 、 a 、 an或 an[c-f]的任何单个字符，并且将匹配不是大写字母的任何单个字符。因此匹配除逗号之外的任何单个字符。cdef[^A-Z][^,]
*字符类后面的意思是“零个或多个这些” 。
因此，正则表达式部分的([^,]*,)意思是“除逗号之外的任何字符出现任意次数（包括零次），后跟一个逗号”，并且{10}指定了 10 个这样的字符。然后[^,]*将其余的非逗号字符匹配到行尾。
答案4
抛出一些简短的python：
#!/usr/bin/env python2
with open('file.csv') as f:
print '\n'.join(line for line in f if line.count(',') == 10)
这将读取每一行并检查该行中的逗号数量是否等于 10 line.count(',') == 10，如果是则打印该行。