bash - 如何根据具有给定值的字段数过滤制表符分隔的输入？

Question

我的数据(制表符分隔):

1   0   0   1   0   1   1   0   1
1   1   0   1   0   1   0   1   1
1   1   1   1   1   1   1   1   1
0   0   0   0   0   0   0   0   0
...

我如何用精确的 grep 行，例如，5'1's，理想输出:

1   0   0   1   0   1   1   0   1

此外，我如何 grep 等于或大于 (>=) 5 '1's 的行，理想输出:

1   0   0   1   0   1   1   0   1
1   1   0   1   0   1   0   1   1
1   1   1   1   1   1   1   1   1

我试过了，

grep 1$'\t'1$'\t'1$'\t'1$'\t'1

但是这只会输出连续的“1”，这不是我想要的。

不知道有没有简单的方法可以实现，谢谢!

Answer 1

John Bollinger's helpful answer和 anishane's answer表明它可以用grep来完成，但是，正如已经指出的那样，这非常麻烦，因为正则表达式不是为计数而设计的。

awk ，相比之下，是为基于字段的解析和计数构建的(通常结合与正则表达式来识别字段分隔符，或者，如下所示，字段本身)。

假设您有 GNU awk ，您可以使用以下内容:

恰好 5 1小号:

awk -v FPAT='\\<1\\>' 'NF==5' file

5 个或更多 1小号:

awk -v FPAT='\\<1\\>' 'NF>=5' file

• 特殊变量 FPAT是一个 GNU awk允许您通过描述字段本身的正则表达式来识别字段的扩展，与使用正则表达式定义字段之间的分隔符的标准方法(通过特殊变量FS 或选项 -F ):

  • '\\<1\\>'标识任何“孤立的”1 (被非单词字符包围)作为一个字段，基于单词边界断言 \<和 \> ; \此处必须加倍，以便 awk 执行的初始 string 解析不“吃”单例\ s.

• 标准变量 NF包含手边行中输入字段的计数，这样可以轻松进行数值比较。如果条件计算结果为真，则隐式打印手头的输入行(换句话说:NF==5 隐式地与 NF==5 { print } 相同，更详细地说，NF==5 { print $0 })。

---

符合 POSIX 标准 awk解决方案有点复杂:

恰好 5 1小号:

awk '{ l=$0; gsub("[\t0]", "") }; length($0)==5 { print l }' file

5 个或更多 1小号:

awk '{ l=$0; gsub("[\t0]", "") }; length($0)>=5 { print l }' file

• l=$0将输入行 ( $0 ) 以其原始形式保存在变量 l 中.

• gsub("[\t0]", "")替换所有 \t和 0字符。在带有空字符串的输入行中，即有效地删除它们，并且只留下(直接连接)1实例(如果有)。

• length($0)==5 { print l }然后仅当结果字符串为 l 时才打印原始输入行 ( 1) s(即，现在存储在已修改输入行 (1)中的 $0 s 的计数)与指定的计数相匹配。