awk 使用列中少于 3 个唯一字符的过滤器

Question

我在文件中有一个数据集

1   AAA
1   AAAB
1   AAABC
2   ABCD
2   ABCDE
3   AABB
3   AABCD
3   ABCDE
3   ABBCCDE

期望的输出

1   AAABC
2   ABCD
2   ABCDE
3   AABCD
3   ABCDE
3   ABBCCDE

我试过了:

awk 'BEGIN{FS="\t"; OFS="\t"} {
unq=0; delete seen; for (i=1; i<=NF; i++) if (!seen[$i]++) unq++} unq > 3' file

但是我得不到任何结果。

Answer 1

您的代码所做的事情与您在需求中似乎陈述的完全不同。您遍历行中的标记(在第一行，有两个标记，1 和AAA)并检查您看到它们的次数。如果行中有三个以上的唯一标记，您的脚本就会打印出来，而您永远不会这样做。

您似乎正在寻找的概念是 substr()函数，它允许您循环遍历字符串中的各个字符(例如)。

awk 'BEGIN{FS="\t"; OFS="\t"}
{ unq=0; delete seen; for (i=1; i<=length($2); i++) if(!seen[substr($2, i, 1)]++) unq++ }
unq >= 3' file

要开始调试您自己的代码，请尝试添加 print在各个战略位置进行声明，以验证您看到的是您所期望的；如果你不这样做，你就发现了一个错误。例如，应该很容易看出 for (i=1; i<=$NF; ++i) print $i遍历输入行的字段。