2

我通常使用原始或 csv 文件，这些文件具有可以在各种数学程序中使用的唯一标识符。最近，我收到了一个文件文件夹，其中将记录相互匹配的唯一方法是通过它们在文本文件中的位置。

这是一个示例 File01.txt：

AA1000   
AA2222        
AB1X6110305126101234760ABA08B88                   ZZ1111110000  
AB2X611030512612006100901C109Z 001110001110                                    
AB2X611030512612006100901X571Z 007410000000                                                                   
AB1X6110305127101234760ABA10B89                   ZZ1111110022  
AB2X611030512712006101001A571Z 007410000000                                  
AB1X6110305128101234760ABA10C00                   ZZ1111110055  
AB2X611030512812006101001A571Z 007410007410                                    
AC11

第 3 行以 AB1 开头，第 4-8 行以 AB2 开头，对应于第 3 行，如从该行第 4 位开始的 12 个字符串所示。该 12 个字符的字符串是匹配集群的唯一方法，但它不一定在所有行中都是唯一的。要知道 4-8 中的 AB2 组对应于第 3 行中的 AB1 组的唯一方法是第 4-8 行跟随第 3 行。对于像我这样的非程序员来说，这是一场噩梦。

我想做的是在 File01.txt 中读取并逐行循环，直到遇到 AB1 行。我想存储 AB1 线，然后继续循环。一条 AB1 线后面总是至少有一条 AB2 线。我想将 AB2 行写入数组并从内存中追加 AB1 行，然后继续循环并写入数组，直到遇到新的 AB1 行。新的 AB1 行现在将存储在内存中，并按照上述方式执行直到下一个 AB1 行，依此类推，直到到达文件末尾（通常是 AC11 行）

我希望输出文件看起来像这样：

AB2X611030512612006100901C109Z 001110001110    AB1X6110305126101234760ABA08B88                   ZZ1111110000                            
AB2X611030512612006100901X571Z 007410000000    AB1X6110305126101234760ABA08B88                   ZZ1111110000                                                         
AB2X611030512712006101001A571Z 007410000000    AB1X6110305127101234760ABA10B89                   ZZ1111110022                                 
AB2X611030512812006101001A571Z 007410007410    AB1X6110305128101234760ABA10C00                   ZZ1111110055

虽然不理想，但我可以使用这种类型的数据并拆分字符串等。这可能使用 bash 和 awk 或 sed 之类的东西吗？

提前感谢您提供的任何帮助/见解。

4

2 回答 2

4

如果我有你的要求，这个小 awk 程序将起作用：

awk '/^AB1/{ab1=$0;next}/^AB2/{print $0, ab1}'

这对不以 AB1 或 AB2 开头的任何行都不起作用，并且无法检查 AB1/AB2 后面的 12 个字符的字符串是否相等。我不知道你是否需要那张支票。

于 2013-07-29T02:43:27.630 回答
2

这可能对您有用（GNU sed）：

sed -r '/^AB1/!d;$!N;/\nAB2/!D;s/\s+$/ /;s/(.*)\n(.*)/\2\1\n\1/;P;D' file

提供的示例中的间距似乎有点不切实际，因此我将其缩小为一个空格。

于 2013-07-29T07:56:22.313 回答