bash - 用不同文件中的列替换文件中的列，同时保留格式

Question

我遇到了一个对高级 shell 用户来说似乎不太难的问题。问题就在这里。

我有 2 个文件:

File1 的格式如下:

ALPH      1  M   GIF M   1      11.111  23.123  -4.412  1.00  0.00           A
ALPH      2  BA  GIF M   1      22.222  78.251  -6.215  2.00  0.00           B
ALPH      3  C   GIF M   1      22.223  46.321  -6.124  3.00  0.00           C
ALPH      4  D   GIF M   1      23.333  15.214  -6.125  4.00  0.00           D
ALPH      5  AB  GIF M   1      24.111  61.458  -8.214  5.00  0.00           E
ALPH      6  LM  GIF M   1      25.333  78.214  -9.321  6.00  0.00           F
ALPH      7  BA  GIF M   1      17.645  87.256  -9.365  7.00  0.00           G
ALPH      8  BA2 GIF M   1      14.125  19.365  -1.258  8.00  0.00           H
-
-

只有一列的 File2:

-0.14
-0.47
-0.58
-0.69
-0.25
-0.69
-0.12
-0.44

我想用 File2 中的唯一一列替换 File1 中的第 11 列。我执行以下操作

paste File1 File2 | awk '{$11=$13;$13=""}1' > output

虽然它很好地替换了列，但它弄乱了我想保留的 File1 的原始格式。正如您所看到的，File1 的所有字段之间有不同数量的空格，即使在替换 $11 之后我也想保留它。

我尝试了几种方法，包括 column 和 printf 但似乎都没有用。也许我做错了什么。

有谁知道我怎样才能最好地使用 awk 或 sed 达到预期的结果？

谢谢!

罗希特

Answer 1

当您在 awk 中为字段赋值时，它会使用 OFS 的当前值重新编译当前记录以分隔字段。然后，要保留原始间距，您不能为字段分配新值。相反，您必须使用 RE 来描述在分配前后要跳过多少非空格/空格。像这样使用 GNU awk 将字母“c”(第 3 个字段，因此下面的数字“2”表示要跳过的前导字段数)替换为单词“BOB”:

$ echo "a   b c    d e" |
gawk '{print gensub(/(([^[:space:]]+[[:space:]]+){2})[^[:space:]]+/,"\\1BOB","")}'
a   b BOB    d e

这会保留间距，因为您正在处理整个记录，而不仅仅是一个字段，因此 awk 不会重新编译记录。

所以对于你的情况是:

$ cat file1
ALPH      1  M   GIF M   1      11.111  23.123  -4.412  1.00  0.00           A
ALPH      2  BA  GIF M   1      22.222  78.251  -6.215  2.00  0.00           B
ALPH      3  C   GIF M   1      22.223  46.321  -6.124  3.00  0.00           C
ALPH      4  D   GIF M   1      23.333  15.214  -6.125  4.00  0.00           D
ALPH      5  AB  GIF M   1      24.111  61.458  -8.214  5.00  0.00           E
ALPH      6  LM  GIF M   1      25.333  78.214  -9.321  6.00  0.00           F
ALPH      7  BA  GIF M   1      17.645  87.256  -9.365  7.00  0.00           G
ALPH      8  BA2 GIF M   1      14.125  19.365  -1.258  8.00  0.00           H
$          
$ cat file2
-0.14
-0.47
-0.58
-0.69
-0.25
-0.69
-0.12
-0.44
$ 
$ gawk 'NR==FNR{map[FNR]=$0; next} {print gensub(/(([^[:space:]]+[[:space:]]+){10})[^[:space:]]+/,"\\1" map[FNR],"")}' file2 file1
ALPH      1  M   GIF M   1      11.111  23.123  -4.412  1.00  -0.14           A
ALPH      2  BA  GIF M   1      22.222  78.251  -6.215  2.00  -0.47           B
ALPH      3  C   GIF M   1      22.223  46.321  -6.124  3.00  -0.58           C
ALPH      4  D   GIF M   1      23.333  15.214  -6.125  4.00  -0.69           D
ALPH      5  AB  GIF M   1      24.111  61.458  -8.214  5.00  -0.25           E
ALPH      6  LM  GIF M   1      25.333  78.214  -9.321  6.00  -0.69           F
ALPH      7  BA  GIF M   1      17.645  87.256  -9.365  7.00  -0.12           G
ALPH      8  BA2 GIF M   1      14.125  19.365  -1.258  8.00  -0.44           H

如果你没有 gawk(对于 gensub())，你可以使用 match() 来查找你关心的字段的开始位置，第二个 match() 用于它的结束位置，以及明智的 substr()s 到将其替换为新值。

@GlennJackman 在他的解决方案中提到了固定宽度的字段。如果那是你所拥有的，你可以使用 GNU awks FIELDWIDTHS 变量来指定每个字段的宽度并使用它。有关详细信息，请参阅 gawk 手册。