linux - 使用 awk 命令计数

Question

我有 fileA.txt，其中的几行如下所示:

AA
BB
CC
DD  
EE

我有 fileB.txt，它的文本如下所示:

Group  col2   col3    col4
1    pp    4567    AA,BC,AB
1    qp    3428    AA
2    pp    3892    AA
3    ee    28399   AA
4    dd    3829    BB,CC
1    dd    27819   BB
5    ak    29938   CC

对于fileA.txt中的每一行，它应该根据fileB.txt中的column1计算它在fileB.txt中出现的次数。

示例输出应如下所示:

AA    3
BB    2
CC    2

AA 出现了 4 次，但它在组“1”中出现了两次。如果它在 column1 的同一组中出现不止一次，它应该只被计算一次，因此在上面的输出中 AA 计数为 3。

对使用 awk 或任何其他 oneliner 有帮助吗？

Answer 1

这是一个应该可以工作的 awk 单行代码:

awk '
NR==FNR && !seen[$4,$1]++{count[$4]++;next}
($1 in count){print $1,count[$1]}' fileB.txt fileA.txt

解释:

• NR==FNR&&!seen[$4,$1]++ 模式仅在根本未捕获第 1 列时为真。对于所有重复捕获，我们不会增加计数器。
• $1 in count 在数组中查找第一个文件第 1 列。如果存在，我们将连同计数一起打印。

输出:

$ awk 'NR==FNR && !seen[$4,$1]++{count[$4]++;next}($1 in count){print $1,count[$1]}' fileB.txt fileA.txt
AA 3
BB 2
CC 1

根据修改后的问题更新:

awk '
NR==FNR {
  n = split($4,tmp,/,/);
  for(x = 1; x <= n; x++) {
    if(!seen[$1,tmp[x]]++) {
      count[tmp[x]]++
      }
    }
  next
}
($1 in count) {
    print $1, count[$1]
}' fileB.txt fileA.txt

输出:

AA 3
BB 2
CC 2