Início / unix / Perguntas / 695874
Accepted
fuzzydrawrings
Asked: 2022-03-18 18:12:57 +0800 CST

AWK: Concatenar campo de diferentes registros

  • 772

Dado file:

2018-03-22 foo/bar/baz
2020-09-30 Lorem/ipsum/dolor
2021-10-01 yadda/yadda/yadda
2022-03-14 blah/blah/blah

(os arquivos reais contêm milhares dessas linhas)

Como obter a corda 2018-03-22_2022-03-14? Esta é a concatenação do campo 1 do registro 1, seguido por um sublinhado e, em seguida, o campo 1 do último registro.

Eu cheguei a isso:

$ awk 'BEGIN{ORS="_"}NR==1{print $1} END{print $1}' file | sed 's/_$//'
2018-03-22_2022-03-14

Funciona, mas parece que deve haver uma maneira não complicada de obter o mesmo resultado usando only awk, ou talvez apenas sed, sem pipes ou subshells. Existe de fato tal maneira?

awk text-processing

7 respostas

  1. A sedversão -somente:

    sed 's/ .*//;1h;$!d;H;g;y/\n/_/' file
    • Use s/ .*//para remover tudo após o espaço em branco, mantendo apenas a data
    • 1hcopia a data da linha 1no holdespaço
    • $!d dexclui todas as linhas exceto a última
    • se chegarmos aqui, estamos na última linha, então anexamos essa linha ao Hespaço antigo com nossa primeira data e copiamos ambas no espaço padrão comg
    • Agora, a única coisa que resta a fazer é substituir a nova linha incorporada (causa anexando) pelo sublinhado:y/\n/_/

    (E sim, é um pouco mais curto)

    • 2

  2. Para portabilidade, não faça print $1(ou use $anything) na ENDseção, pois o valor de $0, $1, etc. na ENDseção é um comportamento indefinido por POSIX. Em alguns awks $1da ENDseção será o valor do primeiro campo da última linha lida, em outros awks será null, e em outros awks ainda pode ser qualquer outra coisa.

    Usando qualquer awk em qualquer shell em cada caixa Unix:

    $ awk -v OFS='_' 'NR==1{beg=$1} {end=$1} END{print beg, end}' file
2018-03-22_2022-03-14

    ou para evitar imprimir um único _se o arquivo de entrada estiver vazio:

    awk -v OFS='_' 'NR==1{beg=$1} {end=$1} END{ if (NR) print beg, end}' file

    O acima pressupõe que, se houver apenas 1 linha na entrada, você deseja o mesmo $1valor duplicado com um _entre eles. Se não for isso que você deseja, atualize sua pergunta para esclarecer seus requisitos para esse caso.

    • 2

  3. Uma maneira que é totalmente awk(embora não estritamente compatível com POSIX como @EdMorton aponta devido à referência de campo na ENDseção) é definir uma variável para o valor do campo 1 do registro 1 e, no final, imprimir essa variável com _e campo 1 do último registro:

    $ awk 'FNR==1{d=$1} END{print d"_"$1}' file
2018-03-22_2022-03-14

    nota: eu não tinha planejado que isso fosse uma pergunta do tipo "Q&A", mas o SE estava no modo somente leitura quando tentei enviar o Q , e nesse meio tempo finalmente descobri um A . Ainda gostaria de ver outras respostas, especialmente se forem mais curtas na linha de comando.

    • 1
  4. Best Answer

    Use printfpara controlar a saída:

    $ awk 'NR==1{printf("%s_", $1)}END{print $1}' f
2018-03-22_2022-03-14
    • 1

  5. Eu sugiro que você use heade tailpara arquivos de entrada grandes porque awke sedsão lentos para processar arquivos grandes.

    $ cat input.txt
2018-03-22 foo/bar/baz
2020-09-30 Lorem/ipsum/dolor
2021-10-01 yadda/yadda/yadda
2022-03-14 blah/blah/blah

    { head -n1 input.txt && tail -n1 input.txt; } |
  cut -d ' ' -f1 | paste -sd _ -

    2018-03-22_2022-03-14
    • 1

  6. Isso é mais longo que o seu comando, mas tem o potencial de ser mais rápido se o arquivo for grande:

    echo "$(head -1 file | cut -d' ' -f1)_$(tail -1 file | cut -d' ' -f1)"

    Se o arquivo for realmente delimitado por tabulação, você pode deixar de fora a extensão -d' '. Se o arquivo pode começar com -, ou os $1valores podem conter barras invertidas,

    printf '%s_%s\n' "$(head -1 file | cut -d' ' -f1)" "$(tail -1 file | cut -d' ' -f1)"

    pode ser mais seguro.

    • 0 
  7. #!/usr/bin/python
fil=open('file','r')
fillist=fil.readlines()
filine=fillist[0].strip().split(' ')[0]
lasline=fillist[-1].strip().split(' ')[0]
print filine+"_"+lasline

    resultado

    2018-03-22_2022-03-14
    • 0

relate perguntas