输入是这样的：
CNNCC
NCNCN
NNNCC
CCNNN
CCCCN
输出应该是这样的：
CNNCC
CCCCN
这意味着，如果出现3 次以上N，则该行将被过滤掉，否则将被保留。（在我的工作中，我需要过滤掉超过500 N 的 100000 行，所以性能可能很重要）
我知道如何N在awk中按连续过滤，但我不知道如何计算不连续的..
有人对此有想法吗？解决方案shell 也可以。
在所有答案中，我认为这个可能是最简单的：
awk -FN 'NF<=3'
问问题
1259 次
7 回答
5
awk -FN -vcount=3 'NF<=count'
awk或者，对于不支持该-v选项的老年人，
awk -FN 'NF<=count' count=3
该命令使用目标字符作为字段分隔符，最大允许出现次数为count. 通过将生成的字段数与我们进行比较，count我们可以有选择地打印符合我们标准的行。
该声明的意图不是很明显，因此可读性较差。然而，它确实具有 char 和count参数化的优点，因此可以轻松地重复用于不同的设置。
诚然，这对于大量count. 将最大字段数设置为count+1将克服此性能问题，不幸的-mf是 gawk 忽略了该选项。
于 2012-10-31T11:11:49.803 回答
4
这可能对您有用（GNU sed）：
sed -r '/(.*N){3}/d' file
或者
sed 's/N/&/3;T;d' file
于 2012-10-31T12:22:38.443 回答
2
sed使用相同正则表达式的解决方案：
% sed '/N.*N.*N/d'
d删除任何地方包含三个或更多N字符的每一行。
例子：
% sed '/N.*N.*N/d' <<EOF
`heredoc> CNNCC
`heredoc> NCNCN
`heredoc> NNNCC
`heredoc> CCNNN
`heredoc> CCCCN
`heredoc> EOF
CNNCC
CCCCN
于 2012-10-31T11:11:11.820 回答
2
没有爱grep？
count=3
egrep -v "(.*N){$count}" file
更多信息：
-v反转匹配，因此这会查找不包含 3 个 N 的行（如果该行有超过 3 个 N，则它包含 3 个 N）。
egrep等同于grep -E使用扩展正则表达式 (ERE)，在此处使用，因此( )不必{ }转义。
于 2012-10-31T15:06:17.237 回答
2
你可以gsub用来计算：
awk 'gsub(/N/,"N") < 3' file.txt
结果：
CNNCC
CCCCN
于 2012-10-31T11:15:15.063 回答
1
Perl 单行
perl -ne 'print if tr/N/N/ < 3'
于 2012-10-31T14:11:12.533 回答
0
这将做到：
gawk '/N.*N.*N/ { next; } { print; }'
于 2012-10-31T10:57:44.680 回答