根据字符串的出现对列重新编号

Question

对 linux 很陌生，抱歉。

我有这样一个文件：

1   C   foo   C     bar
2   C   foo   C     bar
3   C   foo   C     bar
4   H   foo   H     bar
5   H   foo   H     bar
6   O   foo   O     bar

我需要让它成为：

1   C01 foo   C     bar
2   C02 foo   C     bar
3   C03 foo   C     bar
4   H01 foo   H     bar
5   H02 foo   H     bar
6   O01 foo   O     bar

**很遗憾，foo 和 C 之间的间距以及 C 和 bar 之间的间距必须保持不变。

我以分段方式进行了尝试，我提取了包含不同标识符 C、H 和 O 的行，将它们放在一个临时文件中。然后我尝试按顺序排列它们，然后将原始文件拼接回去。

    #!/bin/bash

    sed -i -e "/ C /w temp1.txt" -e "//d" File.txt
    sed -i -e "/ H /w temp2.txt" -e "//d" File.txt
    sed -i -e "/ O /w temp3.txt" -e "//d" File.txt


    `awk -i '{print NR }' temp1.txt
    awk -i '{print NR }' temp2.txt
    awk -i '{print NR }' temp3.txt

    cat temp1.txt >> File.txt
    cat temp2.txt >> File.txt
    cat temp3.txt >> File.txt

但是我很确定我的语法很糟糕，因为我真的只熟悉 sed 而不是 awk。

如有任何帮助，我们将不胜感激，谢谢。

Answer 1

编辑： 这是 GNU awk 的解决方案，它保留了实际空间。如果你的 split 支持 4 个参数。阅读手册页后我明白了，即使我很高兴找到它，它也会有所帮助。

awk '
{
  n=split([=10=],array," ",b)
  array[2]=sprintf("%s%02d",array[2],++a[array[2]])
  line=b[0]
  for(i=1;i<=n;i++){
    line=(line array[i] b[i])
  }
  print line
}'  Input_file
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar

GNU awk 手册页中的关于 split 4 个参数：

   split(s, a [, r [, seps] ])
                           Split the string s into the array a and the separators array seps on the regular expression r, and return the
number of fields. If r is omitted, FS is used instead. The arrays a and seps are cleared first. seps[i] is the field separator matched by r between a[i] and a[i+1]. If r is a single space, then leading whitespace in s goes into the extra array element seps[0] and trailing white- space goes into the extra array element seps[n], where n is the return value of split(s, a, r, seps). Splitting behaves identically to field splitting, described above.

第一个解决方案：能否请您尝试以下，

awk '{=sprintf("%s%02d",,++a[])} 1' Input_file

输出如下。

1 C01 bar C
2 C02 bar C
3 C03 bar C
4 H01 bar H
5 H02 bar H
6 O01 bar O

第二个解决方案：如果你想在 $2 和 $4 两个地方都有值，那么请执行以下操作。

awk '{==sprintf("%s%02d",,++a[])} 1'  Input_file
1 C01 bar C01
2 C02 bar C02
3 C03 bar C03
4 H01 bar H01
5 H02 bar H02
6 O01 bar O01

第三个解决方案： 如果您想 add/insert 在行的最后添加一个新列，请执行以下操作。

awk '{$(NF+1)=sprintf("%s%02d",,++a[])} 1'  Input_file
1 C bar C C01
2 C bar C C02
3 C bar C C03
4 H bar H H01
5 H bar H H02
6 O bar O O01

Answer 2

使用简单的 awk 脚本：

$ awk '{=sprintf("%s%02d",,++a[]);}1' file
1 C01 foo C
2 C02 foo C
3 C03 foo C
4 H01 foo H
5 H02 foo H
6 O01 foo O

Answer 3

保留初始字段位置的相同解决方案

$ awk '{r=sprintf("%02d",++a[]); sub("  ",r)}1' file

1   C01 foo   C     bar
2   C02 foo   C     bar
3   C03 foo   C     bar
4   H01 foo   H     bar
5   H02 foo   H     bar
6   O01 foo   O     bar

请注意，这假定第一个字段值不与第二个字段值重叠，如图所示，否则您需要注意只对第二个字段进行更改。对于第二个字段，可以通过在匹配和替换值前面加上单个 space 来轻松完成。

Answer 4

GNU awk 将第 3 个参数设为 match()，\S/\s shorthand 设为 [^[:space]:]]/[[:space:]]:

$ awk 'match([=10=],/(\S+\s+)(\S+)(.*)/,a){ printf "%s%s%02d%s\n", a[1], a[2], ++cnt[a[2]], a[3] }' file
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar

以上将适用于 ALL 输入，即使前面的字段与目标字段具有相同的值，或者如果目标字段包含 RE 元字符或其他任何内容。

以上是修改第2个字段。一般来说，修改 n=4 的第 n 个字段，例如，硬编码将是：

$ awk 'match([=11=],/((\S+\s+){3})(\S+)(.*)/,a){ printf "%s%s%02d%s\n", a[1], a[3], ++cnt[a[3]], a[4]}' file
1   C   foo   C01     bar
2   C   foo   C02     bar
3   C   foo   C03     bar
4   H   foo   H01     bar
5   H   foo   H02     bar
6   O   foo   O01     bar

如果它作为参数传递而不是硬编码：

$ awk -v n=4 'match([=12=],"((\S+\s+){"n-1"})(\S+)(.*)",a){ printf "%s%s%02d%s\n", a[1], a[3], ++cnt[a[3]], a[4]}' file
1   C   foo   C01     bar
2   C   foo   C02     bar
3   C   foo   C03     bar
4   H   foo   H01     bar
5   H   foo   H02     bar
6   O   foo   O01     bar

Answer 5

虽然没有标记 Perl，但它似乎很适合这些情况。如果您正在考虑使用 Perl，请查看此内容。

> cat wagner.txt
1   C   foo   C     bar
2   C   foo   C     bar
3   C   foo   C     bar
4   H   foo   H     bar
5   H   foo   H     bar
6   O   foo   O     bar
> perl -pe 's/(\s+)(\S+)(\s+)/sprintf("%s%s%02d%s",,,++$kv{},)/e ' wagner.txt
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar
>

感谢 Karakfa，通过删除 $3

可以进一步缩短答案

>  perl -pe 's/(\s+)(\S+)/sprintf("%s%s%02d",,,++$kv{})/e ' wagner.txt
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar
>

进一步删除一组的另一种方法

> perl -pe 's/([^^]\S+)/sprintf("%s%02d",,++$kv{})/e ' wagner.txt
1   C01   foo   C     bar
2   C02   foo   C     bar
3   C03   foo   C     bar
4   H01   foo   H     bar
5   H02   foo   H     bar
6   O01   foo   O     bar
>

或使用环视

perl -pe 's/([^?!]\S+)/sprintf("%s%02d",,++$kv{})/e ' wagner.txt

Answer 6

$ awk 'BEGIN{FS=OFS=""}{="";=((b=++a[])>9?"":0) b}1' file file file file
1   C01 foo   C     bar
2   C02 foo   C     bar
3   C03 foo   C     bar
4   H01 foo   H     bar
...
6   O03 foo   O     bar
1   C10 foo   C     bar
2   C11 foo   C     bar

解释：

$ awk 'BEGIN {
    FS=OFS=""                 # empty field separators
}
{
    =""                     # null 
    =((b=++a[])>9?"":0) b #  carries the count, with leading 0 if below 10
}1' file

根据字符串的出现对列重新编号

Renumbering a column based on occurrence of a string

awk

sed

seq