☰

shell中根据分隔符过滤数据

tag-icon • tag-icon ubuntu text-processing command-line
shell中根据分隔符过滤数据

我有一个包含数据的文件，如下所示：

"google1|yoo|dummy|yes|wow|/" + VARIABLE + "/"
"google2|hub|lab|dummy|yes|/" + VARIABLE + "/"
"google3|short|lab|yoo|/" + VARIABLE + "/"
"google4|hello|good-guy|bad-girl|lol|dummy|/" + VARIABLE + "/"
"google5|good-guy|a4-123|yoo|/" + VARIABLE + "/"
"google6|bad-girl|b4-124|hub|/" + VARIABLE + "/"

现在，我想获取分隔符“|”之间的字符串列表（管道）。

输出应该是

yoo
dummy
yes
wow
hub
hello
good-guy
bad-girl
a4-123
b4-124
dummy
lol
short
lab

基本上，我想在分隔符过滤器之后从字符串列表中获得唯一值。我尝试使用 awk 作为

awk -F"|" '{gsub(/\).*/,"",$2);print $2}' file

但是，我得到了错误的数据。

答案1

如果你有grep选项pcre：

$ grep -oP '\|\K[^|]+(?=\|)' ip.txt | sort -u
a4-123
b4-124
bad-girl
dummy
good-guy
hello
hub
lab
lol
short
wow
yes
yoo
  • -o只打印匹配的模式
  • -P使用 PCRE 正则表达式
  • \|\K正向后查找，看看|在我们要提取的字符串之前是否存在
    • 类似地，(?=\|)正向前视查看要|提取的字符串后面是否有
  • [^|]+要提取的字符串 - 只需求反|并获取一个或多个此类字符
  • sort -u获得独特的价值

如果您想保留这些字符串的查找顺序：

$ grep -oP '\|\K[^|]+(?=\|)' ip.txt | awk '!seen[$0]++'
yoo
dummy
yes
wow
hub
lab
short
hello
good-guy
bad-girl
lol
a4-123
b4-124

答案2

如果你不关心顺序，你可以使用 perl hash 来确保唯一性，例如

$ perl -lne '$h{$_}++ for /(?<=\|).*?(?=\|)/g; END{print for keys %h}' file
short
b4-124
lol
yes
bad-girl
lab
yoo
good-guy
hub
dummy
hello
a4-123
wow

看在 perl 中使用正则表达式匹配创建哈希

答案3

那么以下呢？

cut file -d'|' -f2,3,4 | tr '|' '\n'

上述命令将打印固定数量的列 (3)。如果您想打印可变数量的列，直到第一次出现/，您可以使用类似以下内容的内容：

cut -d'/' -f1 file | cut  -d'|' -f2- | tr '|' '\n'

答案4

您的输出有“虚拟”重复。这就是我通过下面的脚本得到的结果——

   awk -f f1.awk /tmp/f1
    short
    hub
    wow
    hello
    a4-123
    b4-124
    yes
    yoo
    lol
    bad-girl
    good-guy
    lab
    dummy

    cat f1.awk 
    {
      n=split($1,a,"|")

      for(i=2; i<n; i++) {
        arr[a[i]] = a[i] 
      } 
    }   
    END{
      for (var in arr) 
        print(var)  
    }

相关内容