linux - 将复杂文本文件解析为一行字段名称和第二行值-6ren

linux - 将复杂文本文件解析为一行字段名称和第二行值

转载作者：太空宇宙更新时间：2023-11-04 04:17:11

我正在尝试解析一个文本文件，该文件的行主要包含文本和单个数字(每行开头都有“#”)。文件的第二部分由具有多个数字的行组成，所有数字都与单个结构相关。由于我需要合并数百个案例的这些输出文件，因此如果我可以将这些文件中的每一个处理为一行数据，那将会有很大帮助。我在使用 bash/perl/awk 组合时遇到困难。谁能建议我可以做到这一点的方法吗？ (下面的示例文件)。

感谢您的考虑。

最美好的祝愿，

-S

# Title Segmentation Statistics
#
# generating_program mri_segstats
# cvs_version $Id: mri_segstats.c,v 1.75.2.9 2013/02/16 00:09:33 greve Exp $
# cmdline mri_segstats --seg mri/aseg.mgz --sum stats/aseg.stats --pv mri/norm.mgz --empty --brainmask mri/brainmask.mgz --brain-vol-from-seg --excludeid 0 --excl-ctxgmwm --supratent --subcortgray --in mri/norm.mgz --in-intensity-name norm --in-intensity-units MR --etiv --surf-wm-vol --surf-ctx-vol --totalgray --euler --ctab /mnt/glusterfs/salsoman/freesurfer/ASegStatsLUT.txt --subject WCA_0162_T1_FS
# sysname  Linux
# hostname barley15.stanford.edu
# machine  x86_64
# user     salsoman
# anatomy_type volume
#
# SUBJECTS_DIR /mnt/glusterfs/salsoman/output/FS
# subjectname WCA_0162_T1_FS
# Measure BrainSeg, BrainSegVol, Brain Segmentation Volume, 1089921.000000, mm^3
# Measure BrainSegNotVent, BrainSegVolNotVent, Brain Segmentation Volume Without Ventricles, 993734.000000, mm^3
# Measure BrainSegNotVentSurf, BrainSegVolNotVentSurf, Brain Segmentation Volume Without Ventricles from Surf, 993214.631437, mm^3
# Measure lhCortex, lhCortexVol, Left hemisphere cortical gray matter volume, 240339.518738, mm^3
# Measure rhCortex, rhCortexVol, Right hemisphere cortical gray matter volume, 236468.599276, mm^3
# Measure Cortex, CortexVol, Total cortical gray matter volume, 476808.118013, mm^3
# Measure lhCorticalWhiteMatter, lhCorticalWhiteMatterVol, Left hemisphere cortical white matter volume, 191135.667925, mm^3
# Measure rhCorticalWhiteMatter, rhCorticalWhiteMatterVol, Right hemisphere cortical white matter volume, 180013.845498, mm^3
# Measure CorticalWhiteMatter, CorticalWhiteMatterVol, Total cortical white matter volume, 371149.513423, mm^3
# Measure SubCortGray, SubCortGrayVol, Subcortical gray matter volume, 52383.000000, mm^3
# Measure TotalGray, TotalGrayVol, Total gray matter volume, 604954.118013, mm^3
# Measure SupraTentorial, SupraTentorialVol, Supratentorial volume, 991108.631437, mm^3
# Measure SupraTentorialNotVent, SupraTentorialVolNotVent, Supratentorial volume, 902611.631437, mm^3
# Measure SupraTentorialNotVentVox, SupraTentorialVolNotVentVox, Supratentorial volume voxel count, 900542.000000, mm^3
# Measure Mask, MaskVol, Mask Volume, 1694747.000000, mm^3
# Measure BrainSegVol-to-eTIV, BrainSegVol-to-eTIV, Ratio of BrainSegVol to eTIV, 0.624390, unitless
# Measure MaskVol-to-eTIV, MaskVol-to-eTIV, Ratio of MaskVol to eTIV, 0.970881, unitless
# Measure lhSurfaceHoles, lhSurfaceHoles, Number of defect holes in lh surfaces prior to fixing, 239, unitless
# Measure rhSurfaceHoles, rhSurfaceHoles, Number of defect holes in rh surfaces prior to fixing, 227, unitless
# Measure SurfaceHoles, SurfaceHoles, Total number of defect holes in surfaces prior to fixing, 466, unitless
# Measure EstimatedTotalIntraCranialVol, eTIV, Estimated Total Intracranial Volume, 1745576.756023, mm^3
# SegVolFile mri/aseg.mgz
# SegVolFileTimeStamp  2013/03/27 19:34:08
# ColorTable /mnt/glusterfs/salsoman/freesurfer/ASegStatsLUT.txt
# ColorTableTimeStamp 2013/02/25 22:23:16
# InVolFile  mri/norm.mgz
# InVolFileTimeStamp  2013/03/27 14:00:28
# InVolFrame 0
# PVVolFile  mri/norm.mgz
# PVVolFileTimeStamp  2013/03/27 14:00:28
# Excluding Cortical Gray and White Matter
# ExcludeSegId 0 2 3 41 42
# VoxelVolume_mm3 1
# TableCol  1 ColHeader Index
# TableCol  1 FieldName Index
# TableCol  1 Units     NA
# TableCol  2 ColHeader SegId
# TableCol  2 FieldName Segmentation Id
# TableCol  2 Units     NA
# TableCol  3 ColHeader NVoxels
# TableCol  3 FieldName Number of Voxels
# TableCol  3 Units     unitless
# TableCol  4 ColHeader Volume_mm3
# TableCol  4 FieldName Volume
# TableCol  4 Units     mm^3
# TableCol  5 ColHeader StructName
# TableCol  5 FieldName Structure Name
# TableCol  5 Units     NA
# TableCol  6 ColHeader normMean
# TableCol  6 FieldName Intensity normMean
# TableCol  6 Units     MR
# TableCol  7 ColHeader normStdDev
# TableCol  7 FieldName Itensity normStdDev
# TableCol  7 Units     MR
# TableCol  8 ColHeader normMin
# TableCol  8 FieldName Intensity normMin
# TableCol  8 Units     MR
# TableCol  9 ColHeader normMax
# TableCol  9 FieldName Intensity normMax
# TableCol  9 Units     MR
# TableCol 10 ColHeader normRange
# TableCol 10 FieldName Intensity normRange
# TableCol 10 Units     MR
# NRows 45
# NTableCols 10
# ColHeaders  Index SegId NVoxels Volume_mm3 StructName normMean normStdDev normMin normMax normRange
  1   4     41962    41962.4  Left-Lateral-Ventricle            22.0753    10.2057     3.0000    94.0000    91.0000
  2   5      2150     2149.7  Left-Inf-Lat-Vent                 37.5636    16.3886     5.0000    89.0000    84.0000
  3   7      8273     8273.3  Left-Cerebellum-White-Matter      88.0903    11.6908    21.0000   123.0000   102.0000
  4   8     35427    35427.4  Left-Cerebellum-Cortex            56.4255    12.5475     2.0000    92.0000    90.0000
  5  10      6087     6086.7  Left-Thalamus-Proper              92.2098    11.7928    50.0000   124.0000    74.0000
  6  11      5101     5100.7  Left-Caudate                      75.0335     9.9708    29.0000   100.0000    71.0000
  7  12      4773     4773.0  Left-Putamen                      75.7113     6.2195    48.0000    95.0000    47.0000
  8  13      1178     1177.6  Left-Pallidum                     86.3354     6.2568    59.0000   104.0000    45.0000
  9  14      2973     2973.1  3rd-Ventricle                     27.5508    11.3394     9.0000    77.0000    68.0000
 10  15      2403     2403.0  4th-Ventricle                     26.8237    11.9581     6.0000    79.0000    73.0000
 11  16     18347    18347.2  Brain-Stem                        82.1731    12.0144    15.0000   116.0000   101.0000
 12  17      3824     3824.2  Left-Hippocampus                  66.7333     8.6661    26.0000   100.0000    74.0000
 13  18      2087     2087.1  Left-Amygdala                     63.9856     7.2932    37.0000    91.0000    54.0000
 14  24      2094     2094.0  CSF                               36.2929    14.6972    12.0000    90.0000    78.0000
 15  26       340      340.0  Left-Accumbens-area               69.8967     8.7139    37.0000    87.0000    50.0000
 16  28      2969     2969.5  Left-VentralDC                    94.9737    13.6527    44.0000   122.0000    78.0000
 17  30        76       75.9  Left-vessel                       58.3205    11.6736    27.0000    80.0000    53.0000
 18  31      1103     1102.6  Left-choroid-plexus               51.7182    16.3692    12.0000   100.0000    88.0000
 19  43     38108    38108.2  Right-Lateral-Ventricle           20.2269    10.2570     0.0000    92.0000    92.0000
 20  44      2165     2165.0  Right-Inf-Lat-Vent                30.2048    13.6808     0.0000    80.0000    80.0000
 21  46      9715     9715.4  Right-Cerebellum-White-Matter     86.9395     8.3909    25.0000   115.0000    90.0000
 22  47     41688    41688.2  Right-Cerebellum-Cortex           57.5291    10.3208     9.0000    91.0000    82.0000
 23  49      4769     4769.3  Right-Thalamus-Proper             82.0576    12.2446    18.0000   106.0000    88.0000
 24  50      4587     4587.1  Right-Caudate                     69.9613    12.7863    11.0000   103.0000    92.0000
 25  51      4694     4694.4  Right-Putamen                     69.9372     7.9141    48.0000    91.0000    43.0000
 26  52      1407     1406.8  Right-Pallidum                    88.0501     5.7841    57.0000   105.0000    48.0000
 27  53      3160     3159.6  Right-Hippocampus                 63.3511     8.9283    17.0000    95.0000    78.0000
 28  54      1877     1877.4  Right-Amygdala                    57.3686     8.5163    20.0000    83.0000    63.0000
 29  58       376      376.0  Right-Accumbens-area              70.4901     9.9104    41.0000    96.0000    55.0000
 30  60      2973     2972.7  Right-VentralDC                   89.6143    14.1755    29.0000   120.0000    91.0000
 31  62       105      105.1  Right-vessel                      50.1458    12.1126    21.0000    78.0000    57.0000
 32  63      2843     2842.7  Right-choroid-plexus              46.3759    13.8319     6.0000   115.0000   109.0000
 33  72        68       67.9  5th-Ventricle                     42.4444    11.2861    26.0000    83.0000    57.0000
 34  77     25325    25325.0  WM-hypointensities                71.8650    16.2379     5.0000   112.0000   107.0000
 35  78         0        0.0  Left-WM-hypointensities            0.0000     0.0000     0.0000     0.0000     0.0000
 36  79         0        0.0  Right-WM-hypointensities           0.0000     0.0000     0.0000     0.0000     0.0000
 37  80       153      153.1  non-WM-hypointensities            50.4551    16.1478    18.0000    88.0000    70.0000
 38  81         0        0.0  Left-non-WM-hypointensities        0.0000     0.0000     0.0000     0.0000     0.0000
 39  82         0        0.0  Right-non-WM-hypointensities       0.0000     0.0000     0.0000     0.0000     0.0000
 40  85       350      349.6  Optic-Chiasm                      66.0833    15.7641    24.0000   102.0000    78.0000
 41 251       806      805.6  CC_Posterior                     119.2646    18.1322    57.0000   150.0000    93.0000
 42 252       252      251.7  CC_Mid_Posterior                 109.1685    16.3862    51.0000   150.0000    99.0000
 43 253       295      295.4  CC_Central                       113.3418    16.2739    77.0000   140.0000    63.0000
 44 254       294      293.7  CC_Mid_Anterior                  115.1645    17.9396    72.0000   149.0000    77.0000
 45 255       657      657.4  CC_Anterior                      124.1047    22.5045    54.0000   166.0000   112.0000

最佳答案

你试过吗Talend Open Studio / Data Integration ？ TOS 能够自动执行此类复杂的转换。数据转换作业的最终可执行文件将是一个 jar 文件，您可以轻松地从 shell 脚本中调用该文件。虽然 TOS 上手需要一些时间，但它非常强大。该产品已获得 GPL v2 许可，并且具有相当活跃的 community .

当然，您可以编写一些 awk/sed/perl 狂欢，并且您会得到结果，但在您的情况下，通过如此复杂的转换，这可能会变得非常不可读且无法维护。

迈克尔·HTH

关于linux - 将复杂文本文件解析为一行字段名称和第二行值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15733176/

文章推荐： java RMI - 多个主机注册具有相同名称的对象

文章推荐： c - 定义全局变量来初始化结构数组

文章推荐： c - 这个例子是如何工作的？ (书中的gets函数示例)

文章推荐： linux - 在cmd文件中传递变量并在linux中执行

linux - 我的文件中有 10 行。现在我需要打印前 3 行，然后打印第 5-7 行，然后打印第 9-10 行。 LINUX 的命令是什么？
猫f1.txt阿曼维沙尔阿杰贾伊维杰拉胡尔曼尼什肖比特批评塔夫林现在输出应该符合上面给定的条件最佳答案您可以在文件读取循环中设置一个计数器并打印它，计数=0 读取行时做让我们数一数++ if
python - 查找2个文件中的公共(public)行，从文件1写入公共(public)行，从文件2写入非公共(public)行
我正在尝试查找文件 1 和文件 2 中的共同行。如果公共(public)行存在，我想写入文件 2 中的行，否则打印文件 1 中的非公共(public)行。fin1 和 fin2 是这里的文件句柄。它读
mysql - 从第一个表中选择 1 行，然后从其他表中选择 n 行，然后返回到第一个表并选择第 2 行，依此类推
我有这个 SQL 脚本: CREATE TABLE `table_1` ( `IDTable_1` int(11) NOT NULL, PRIMARY KEY (`IDTable_1`) );
sql - 哪个最快，1x 插入 512 行，4x 插入 128 行，或 512x 插入 1 行
我有 512 行要插入到数据库中。我想知道提交多个插入内容是否比提交一个大插入内容有任何优势。例如 1x 512 行插入 -- INSERT INTO mydb.mytable (id, phonen
Mysql 选择子(行，行 - 1)
如何从用户中选择user_id，SUB(row, row - 1)，其中user_id=@userid我的表用户，id 为 1、3、4、10、11、23...(不是++) --id---------u
mysql - 1M 行，1 个表，几列与 300 个表，3000 行，几列与 300 列，3000 行，1 个表？
我曾尝试四处寻找解决此问题的最佳方法，但我找不到此类问题的任何先前示例。我正在构建一个基于超本地化的互联网购物中心，该区域分为大约 3000 个区域。每个区域包含大约 300 个项目。它们是相似的项
php - 我在第 32 行、第 34 行、第 36 行、第 38 行有错误 :Notice: Undefined offset: 1 in C:\wamp\www\index. php
preg_match('|phpVersion = (.*)\n|',$wampConfFileContents,$result); $phpVersion = str_replace('"','',
正则表达式 - 如何删除前 10 行/和最后 10 行
我正在尝试创建一个正则表达式，使用“搜索并替换全部”删除 200 个 txt 文件的第一行和最后 10 行我尝试 (\s*^(\h*\S.*)){10} 删除包含的前 10 行空白，但效果不佳。最
java - 结果集返回 3 行，但我只能打印 2 行？
下面的代码从数据库中获取我需要的信息，但没有打印出所有信息。首先，我知道它从表中获取了所有正确的信息，因为我已经在 sql Developer 中尝试过查询。 public static void m
sql - 选择前 10 行，然后随机选择其中 5 行
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的，无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它，visit the help center 。已关
c# - 数据库操作预计影响 1 行，但实际影响 0 行
我试图在两个表中插入记录，但出现异常。您能帮我解决这个问题吗？首先我尝试了下面的代码。 await _testRepository.InsertAsync(test); await _xyzRepo
css - 在桌面上显示 1 行，在移动设备上显示 2 行
这个基本的 bootstrap CSS 显示 1 行 4 列: Text Text Text
mysql - 从表中选择前 X 行，忽略前 Y 行
如果我想从表中检索前 10 行，我将使用以下代码: SELECT * FROM Persons LIMIT 10 我想知道的是如何检索前 10 个结果之后的 10 个结果。如果我在下面执行这段代码，
java - 为什么 [列,行] 而不是 [行,列]
今天我开始使用 JexcelApi 并遇到了这个:当您尝试从特定位置获取元素时，不是像您通常期望的那样使用sheet.getCell(row,col)，而是使用sheet.getCell(col,ro
PHP - 显示表中最后 3 行 SQL 行(不起作用)
我正在尝试在我的网站上开发一个用户个人资料系统，其中包含用户之前发布的 3 个帖子。我可以让它选择前 3 条记录，但它只会显示其中一条。我是不是因为凌晨 2 点就想编码而变得愚蠢？ query($q)
php - MySQL 组相同的标题(行)并求和金钱(行)，但保留单独的时间戳进行排序
我在互联网上寻找答案，但找不到任何答案。 (我可能问错了？)我有一个看起来像这样的表: 我一直在使用查询: SELECT title, date, SUM(money) FROM payments W
mysql - 获取 100 行，每组最多 10 行
我有以下查询，我想从数据库中获取 100 个项目，但 host_id 多次出现在 urls 表中，我想每个 host_id 从该表中最多获取 10 个唯一行。 select * from urls j
sql - 如何查询前 10 行，下一次从表中查询其他 10 行
我的数据库表中有超过 500 行具有特定日期。查询特定日期的行。 select * from msgtable where cdate='18/07/2012' 这将返回 500 行。如何逐行查询
bash - 打印 n 行，然后在大文本文件中跳过 n 行
我想使用 sed 从某一行开始打印 n 行、跳过 n 行、打印 n 行等，直到文本文件结束。例如在第 4 行声明，打印 5-9，跳过 10-14，打印 15-19 等来自文件 1 2 3 4 5 6
php - 验证密码返回 0 行，而预期返回 1 行
我目前正在执行验证过程来检查用户的旧密码，但问题是我无法理解为什么我的查询返回零行，而预期它有 1 行。另一件事是，即使我不将密码文本转换为 md5，哈希密码仍然得到正确的答案，但我不知道为什么会发生

太空宇宙

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

linux - 将复杂文本文件解析为一行字段名称和第二行值