arrays - 使用 linux/bash 计算列元素的数量

Question

我有许多制表符分隔的文件，其中的数据有点像这样

Header1               Header2....... Headern
Cat Bat                mat pat
Hat                     rat
Rat                  [Not Applicable]
[Not Available]      [Not Applicable]

我需要获取每个标题的有效行数。无效条目为[不可用]、[不适用]等。我正在尝试获取数组中的 header 元素。直到这里一切都很好。但是，我发现很难计算每个标题的数量。我还使用数组来存储标题的行值。但问题是数组将 [Not as a different element and available] 存储为其他元素。另外，对于第一个 header ，“Cat Bat”应该是一个条目，但数组可能也为此存储了 2 个条目。

Answer 1

让我们从这个制表符分隔的文件开始:

$ cat file
Header1         Header2
Cat Bat         mat pat
Hat             rat
Rat             [Not Applicable]
[Not Available] [Not Applicable]

对于每一列，以下计算不以 [Not A 开头的条目:

$ awk -F'\t' 'NR==1{for (i=1;i<=NF;i++)h[i]=$i;next} {for (i=1;i<=NF;i++)c[i]+=($i !~ /[[]Not A/)} END{for (i=1;i<=NF;i++)print h[i],c[i]}' file
Header1 3
Header2 2

它是如何工作的

• -F'\t'

  这将字段分隔符设置为制表符。

• NR==1{for (i=1;i<=NF;i++)h[i]=$i;next}

  对于第一行，这将保存数组 h 中的所有 header 然后跳过其余命令并跳转到next线。

• {for (i=1;i<=NF;i++)c[i]+=($i !~ /[[]Not A/)}

  对于第一行之后的所有行，这会遍历每一列并递增 c[i]如果列的值 i不以 [Not A 开头.

• END{for (i=1;i<=NF;i++)print h[i],c[i]}

  读取最后一行后，打印出结果。

更新

假设，除了 [Not Applicable]和[Not Available] ，我们想忽略 [unavailable] (注:全部小写)。在这种情况下，我们对正则表达式稍作更改:

awk -F'\t' 'NR==1{for (i=1;i<=NF;i++)h[i]=$i;next} {for (i=1;i<=NF;i++)c[i]+=($i !~ /[[](Not A|unavailable)/)} END{for (i=1;i<=NF;i++)print h[i],c[i]}' file