根据分号拆分数据并选取唯一 ID

Question 1

首先grep，然后sort -u删除重复项，因此，根据你的文件格式，你可以这样做

grep -o 'ZINC[^;]*' infile |sort -u

正在匹配已跟随任何事物的ZINC[^;]*模式，直到看到并排除其自身。ZINC;;

Answer

首先grep，然后sort -u删除重复项，因此，根据你的文件格式，你可以这样做

grep -o 'ZINC[^;]*' infile |sort -u

正在匹配已跟随任何事物的ZINC[^;]*模式，直到看到并排除其自身。ZINC;;

Question 2

你应该能够用来做到这sed一点。类似这样的操作可能会起作用：

sed -En 's/^(.*; )?(ZINC[^;]+).*$/\2/p' < input.txt

它正在做的事情的简要概述：

告诉 sed 使用扩展正则表达式，并且默认不打印行。
该s/.../.../p语法告诉 sed 执行正则表达式s搜索并替换，然后页打印匹配的线条。
正则表达式的第一部分^(.*; )?表示从行首开始匹配最多 a 个字符"; "（即，一定数量的分号分隔的项），或者根本不匹配任何字符（即，如果 ID 是第一个项）。
(ZINC[^;]+)匹配您的 ZINC... ID，接受任何非分号字符作为 ID 的一部分。
.*$匹配该行的剩余部分。
匹配的替换是\2，它是正则表达式中的第二个括号组（即 ZINC... ID）。由于正则表达式匹配整行，因此我们只剩下 ID。

如果格式如您所述，这可能就足够了。如果格式更复杂（例如有特殊的引用规则），您可能应该寻找一个可以理解格式的工具。

Answer

你应该能够用来做到这sed一点。类似这样的操作可能会起作用：

sed -En 's/^(.*; )?(ZINC[^;]+).*$/\2/p' < input.txt

它正在做的事情的简要概述：

告诉 sed 使用扩展正则表达式，并且默认不打印行。
该s/.../.../p语法告诉 sed 执行正则表达式s搜索并替换，然后页打印匹配的线条。
正则表达式的第一部分^(.*; )?表示从行首开始匹配最多 a 个字符"; "（即，一定数量的分号分隔的项），或者根本不匹配任何字符（即，如果 ID 是第一个项）。
(ZINC[^;]+)匹配您的 ZINC... ID，接受任何非分号字符作为 ID 的一部分。
.*$匹配该行的剩余部分。
匹配的替换是\2，它是正则表达式中的第二个括号组（即 ZINC... ID）。由于正则表达式匹配整行，因此我们只剩下 ID。

如果格式如您所述，这可能就足够了。如果格式更复杂（例如有特殊的引用规则），您可能应该寻找一个可以理解格式的工具。

相关内容