linux - 我需要制作一个 awk 脚本来解析文件中的文本。我不确定我是否做对了

Question

嗨，我需要制作一个 awk 脚本来解析 csv 文件并在 bash 中对其进行排序。我需要从维基百科获取总统列表，并按年份对他们的任职年份进行排序。当一切都整理好后，每只耳朵都需要放在一个文本文件中。我不确定我做得是否正确

这是我的 csv 文件的一部分:

28,Woodrow Wilson,http:..en.wikipedia.org.wiki.Woodrow_Wilson,4.03.1913,4.03.1921,Democratic ,WoodrowWilson.gif,thmb_WoodrowWilson.gif,New Jersey
29,Warren G. Harding,http:..en.wikipedia.org.wiki.Warren_G._Harding,4.03.1921,2.8.1923,Republican ,WarrenGHarding.gif,thmb_WarrenGHarding.gif,Ohio 

我想包括 $2，我认为是名字，并按 $4 排序，这是总统就职的日期

这是我实际的 awk 文件:

#!/usr/bin/awk -f
 -F, '{
if (substr($4,length($4)-3,2) == "17")
 { print $2 > Presidents1700 }
else if (substr($4,length($4)-3,2) == "18")
{ print $2 > Presidents1800 }
else if (substr($4,length($4)-3,2) == "19")
{ print $2 > Presidents1900 }
else if (substr($4,length($4)-3,2) == "20")
{ print $2 > Presidents2000 }
}' 

这是我运行它的函数:

SplitFile() {                                                                              
printf "Task 4: Spliting file based on century\n"                                                                                                            
awk -f $AFILE ${custFolder}/${month}/$DFILE                                                                                                                  
}

其中 $AFILE 是我的 awk 文件，右侧列出的目录指向我的实际文件。

这是我输出的一部分，它实际上有几百行长，但是在这是它的一部分的样子:

awk: presidentData/10/presidents.csv:47: 46,Joseph Biden,http:..en.wikipedia.org.wiki.Joe_Biden,20.01.2021,Incumbent ,  Democratic   , Joe_Biden.jpg,thmb_Joe_Biden.jpg,Pennsilvania                                                                                                                                                                    awk: presidentData/10/presidents.csv:47:                ^ syntax error                                                                                                      awk: presidentData/10/presidents.csv:47: 46,Joseph Biden,http:..en.wikipedia.org.wiki.Joe_Biden,20.01.2021,Incumbent ,  Democratic   , Joe_Biden.jpg,thmb_Joe_Biden.jpg,Pennsilvania                                                                                                                                                                    awk: presidentData/10/presidents.csv:47:                                                                  ^ syntax error                                                    
awk: presidentData/10/presidents.csv:47: 46,Joseph Biden,http:..en.wikipedia.org.wiki.Joe_Biden,20.01.2021,Incumbent ,  Democratic   , Joe_Biden.jpg,thmb_Joe_Biden.jpg,Pennsilvania                                                                                                                                                                    awk: presidentData/10/presidents.csv:47:                                                                                             ^ syntax error                         
awk: presidentData/10/presidents.csv:47: 46,Joseph Biden,http:..en.wikipedia.org.wiki.Joe_Biden,20.01.2021,Incumbent ,  Democratic   , Joe_Biden.jpg,thmb_Joe_Biden.jpg,Pennsilvania                                                                                                                                                                    awk: presidentData/10/presidents.csv:47:  

我知道输出不是很有帮助；我宁愿只截图，但我不能。我尝试寻求帮助，但这些在线类(class)可能非常困难，而且远距离获得帮助也很困难，上面的语法错误似乎指向 csv 文件中的逗号。

Answer 1

编辑后，很明显您正在尝试按世纪对总统进行分类，并输出总统任职的世纪。

正如我在上面的评论中所述，您不能在 awk 脚本文件中包含单引号或命令行参数。您可以使用 BEGIN {...} 规则设置字段分隔符 FS = ","。然后有几种方法可以在第四个字段中分割内容。 split() 和其他方法一样简单。

这将为您留下总统在 arr 的第四个元素中任职的结束年份(arr[0] 始终是与所使用的任何 REGEX 匹配的完整表达式)。然后，只需首先与最大的年份进行比较，然后从那里减少，将输出重定向到该世纪的输出文件。

继续您开始的操作，您的 awk 脚本将类似于:

#!/usr/bin/awk -f

BEGIN { FS = "," }

{ 
  split ($4, arr, ".")
  if (arr[3] >= 2000)
    print $2 > "Presidents2000"
  else if (arr[3] >= 1900)
    print $2 > "Presidents1900"
  else if (arr[3] >= 1800)
    print $2 > "Presidents1800"
  else if (arr[3] >= 1700)
    print $2 > "Presidents1700"
}

现在使其可执行(为了方便)。假设脚本位于文件 pres.awk 中:

$ chmod +x pres.awk

现在只需调用 awk 脚本，传递 .csv 文件名作为参数，例如

$ ./pres.awk my.csv

现在列出名为 Presid* 的文件并查看创建的内容:

$ ls -al Presid*
-rw-r--r-- 1 david david 33 Oct  8 22:28 Presidents1900

并验证内容是否是您需要的:

$ cat Presidents1900
Woodrow Wilson
Warren G. Harding

根据您的尝试假设这是您正在寻找的输出。

(注意:您需要引用输出文件名以确保，例如 Presidents1900 不会被视为尚未设置的变量)

如果您还有其他问题，请告诉我。