AskOverflow.Dev

AskOverflow.Dev Logo AskOverflow.Dev Logo

AskOverflow.Dev Navigation

  • 主页
  • 系统&网络
  • Ubuntu
  • Unix
  • DBA
  • Computer
  • Coding
  • LangChain

Mobile menu

Close
  • 主页
  • 系统&网络
    • 最新
    • 热门
    • 标签
  • Ubuntu
    • 最新
    • 热门
    • 标签
  • Unix
    • 最新
    • 标签
  • DBA
    • 最新
    • 标签
  • Computer
    • 最新
    • 标签
  • Coding
    • 最新
    • 标签
主页 / computer / 问题 / 1467291
Accepted
cablewelo2ma
cablewelo2ma
Asked: 2019-08-04 04:44:11 +0800 CST2019-08-04 04:44:11 +0800 CST 2019-08-04 04:44:11 +0800 CST

sed/awk:在第一次出现后删除相似的行

  • 772

我有:

constant1apple_____constant2asdfkjo___constant3
constant1apple_____constant2fdlkjef___constant3
constant1watermelonconstant2sdlfkeio__constant3
constant1banana____constant2asdfoie___constant3
constant1apple_____constant2soeivmn___constant3
constant1orange____constant2vjflkdslj_constant3
constant1watermelonconstant2xcvlvdiosnconstant3
constant1orange____constant2wieonvow__constant3
constant1apple_____constant2woemnivoiwconstant3

我只想保留第一次出现水果名称的行

输出应该是这样的:

constant1apple_____constant2asdfkjo___constant3
constant1watermelonconstant2sdlfkeio__constant3
constant1banana____constant2asdfoie___constant3
constant1orange____constant2vjflkdslj_constant3

重要笔记:

  • 水果的名字可以是我不知道的任何名字,但它们的长度都是一样的

  • 水果名称后面的随机字符串也可以是任何东西,但也有特定的长度

不知道该怎么做

awk sed
  • 1 1 个回答
  • 386 Views

1 个回答

  • Voted
  1. Best Answer
    user1686
    2019-08-04T05:25:17+08:002019-08-04T05:25:17+08:00

    使用 awk(或 perl,或大多数其他具有关联数组的语言)这样做会更容易一些:

    awk '!seen[substr($0, 10, 10)]++' input.txt
    
    awk '{ fruit = substr($0, 10, 10); if (!seen[fruit]++) print }' input.txt
    

    (awk 脚本的结构类似于match1 {code1} match2 {code2} ...第一个变体仅指定匹配条件而不是代码,使用隐式默认值{print;};第二个变体做相反的事情但实现相同的事情。任何更容易使用的。)

    这seen是一个关联数组(一个 dict / hashmap),它计算到目前为止第二个字段被看到的次数。对于每一行,seen[x]++递增保持的值seen[x]并同时返回先前的值。如果之前的值为 0,则表示第一次看到水果。

    在这个版本中,substr(input, start, count)用于从$0(代表整行)中提取10个字符,从第10个字符开始。(在之前的版本中,数组键$2用于第二个空格分隔的列。)


    awk 效果很好,但取决于您计划进行多少过滤(如果它不仅仅是提取唯一的第二列),最好从更通用的语言开始:

    #!/usr/bin/env python3
    import sys
    seen = set()
    for line in sys.stdin:
        fruit = line[9:19]
        if fruit not in seen:
            seen.add(fruit)
            sys.stdout.write(line)
    

    或者,如果名称可以安全地重新排序,您可以使用uniq删除重复项:

    cat input.txt | sort | uniq --skip-chars=9 --check-chars=10
    

    如果您只需要水果名称本身,忽略其余部分,您可以通过先提取列并使用uniq剩下的列来实现:

    cat input.txt | cut -c 10-19 | sort | uniq
    
    cat input.txt | sed -r 's/^.{9}(.{10}).*/\1/' | sort | uniq
    
    • 2

相关问题

  • sed 模式匹配日期

  • sed - 从一行中删除除最后一次出现的字符之外的所有字符

  • 奇怪的 awk 语法:带两个点的数字?

  • 在第二列中打印数字在新行中始终按照第 1 列中指定的次数打印

  • awk 根据变量匹配提取文件中的特定模式

Sidebar

Stats

  • 问题 205573
  • 回答 270741
  • 最佳答案 135370
  • 用户 68524
  • 热门
  • 回答
  • Marko Smith

    Windows 照片查看器因为内存不足而无法运行?

    • 5 个回答
  • Marko Smith

    支持结束后如何激活 WindowsXP?

    • 6 个回答
  • Marko Smith

    远程桌面间歇性冻结

    • 7 个回答
  • Marko Smith

    Windows 10 服务称为 AarSvc_70f961。它是什么,我该如何禁用它?

    • 2 个回答
  • Marko Smith

    子网掩码 /32 是什么意思?

    • 6 个回答
  • Marko Smith

    鼠标指针在 Windows 中按下的箭头键上移动?

    • 1 个回答
  • Marko Smith

    VirtualBox 无法以 VERR_NEM_VM_CREATE_FAILED 启动

    • 8 个回答
  • Marko Smith

    应用程序不会出现在 MacBook 的摄像头和麦克风隐私设置中

    • 5 个回答
  • Marko Smith

    ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] 证书验证失败:无法获取本地颁发者证书 (_ssl.c:1056)

    • 4 个回答
  • Marko Smith

    我如何知道 Windows 安装在哪个驱动器上?

    • 6 个回答
  • Martin Hope
    Albin 支持结束后如何激活 WindowsXP? 2019-11-18 03:50:17 +0800 CST
  • Martin Hope
    fixer1234 “HTTPS Everywhere”仍然相关吗? 2019-10-27 18:06:25 +0800 CST
  • Martin Hope
    Kagaratsch Windows 10 删除大量小文件的速度非常慢。有什么办法可以加快速度吗? 2019-09-23 06:05:43 +0800 CST
  • Martin Hope
    andre_ss6 远程桌面间歇性冻结 2019-09-11 12:56:40 +0800 CST
  • Martin Hope
    Riley Carney 为什么在 URL 后面加一个点会删除登录信息? 2019-08-06 10:59:24 +0800 CST
  • Martin Hope
    zdimension 鼠标指针在 Windows 中按下的箭头键上移动? 2019-08-04 06:39:57 +0800 CST
  • Martin Hope
    Inter Sys Ctrl+C 和 Ctrl+V 是如何工作的? 2019-05-15 02:51:21 +0800 CST
  • Martin Hope
    jonsca 我所有的 Firefox 附加组件突然被禁用了,我该如何重新启用它们? 2019-05-04 17:58:52 +0800 CST
  • Martin Hope
    MCK 是否可以使用文本创建二维码? 2019-04-02 06:32:14 +0800 CST
  • Martin Hope
    SoniEx2 更改 git init 默认分支名称 2019-04-01 06:16:56 +0800 CST

热门标签

windows-10 linux windows microsoft-excel networking ubuntu worksheet-function bash command-line hard-drive

Explore

  • 主页
  • 问题
    • 最新
    • 热门
  • 标签
  • 帮助

Footer

AskOverflow.Dev

关于我们

  • 关于我们
  • 联系我们

Legal Stuff

  • Privacy Policy

Language

  • Pt
  • Server
  • Unix

© 2023 AskOverflow.DEV All Rights Reserve