0

我正在尝试解析具有标题部分（130 行，单列）的大型 CSV（约 90 MB）。第 131 行是列标题，其中包含各个列的名称（总共 20 列）。

我不需要解析前 9 列，从第 10 列到第 20 列的数据采用以下格式（重新格式化为列以便于查看，但下面的每一行实际上在 CSV 中的单独列中）

0/0: 3,0 :9:0,9,90

./.

0/1：6,3：49:73,0,111

0/1：13,3：99:103,0,254

0/1：6,6：45:56,3,124

0/1：2,2：34:43,0,51

0/1: 80,0 :87:252,5,1882

0/1：25,12：99:139,286,3281

./.

0/1：6,8：64:64,0,130

0/1：4,5：65:109,0,114

以这个“0/0: 3,0 :9:0,9,90”为例，标准是：如果突出显示的两个数字（3,0）加起来> = 20并且第二个数字（0 ) 大于或等于 10，然后将其打印到新的 CSV。如果不通过条件，只需打印“./.” 在新的 CSV 中。具有“./.”的单元格 已经将保持“./.” 在新的 CSV 中。

我已经在这个线程中问了一部分问题，使用 awk 逐行处理 csv（制表符分隔），感谢 Kent，我现在知道如何将标准应用于单个单元格，但我需要循环 10列并应用相同的条件。下面是我想出的，但显然，我需要更多帮助来完成这个。任何帮助/建议将不胜感激。

BEGIN {
-F'\t'; -v OFS='\t'

for (i=10; i<=20; i++)   
 {
  t=$i; 
  split(t,a,/[:,]/)}(a[2]+a[3])>=20 && a[3]>=10
  }

}
4

1 回答 1

2

如果您的问题包括给定输入的示例输出，这将有助于提供准确的答案。但总的来说，你非常接近你的解决方案......除了...... (t,a,/[:,]/)}？开头的“{”字符在哪里？{您的代码中和}s不平衡。您应该会收到一条错误消息，并且取决于哪个 awk，它很可能会指出您无法解析的内容。

BEGIN { -F"\t"; OFS="\t" }
# -----------missing ----^--
# awk doesn't like '\t' quoting, use "\t"
# the -v is only for the command line, not in a BEGIN block

# awk executes whatever is inside a { } block like illustrated below
# for each line of data in the file
# 
# not clear if this is what you want
{
# --- note, missing opening { char

    for (i=10; i<=20; i++) {
      t=$i; 
      #old ver split(t,a,/[:,]/)}(a[2]+a[3])>=20 && a[3]>=10
      # new
      split(t,a,/[:,]/)
       if ( (a[2]+a[3])>=20 && a[3]>=10 ) {
          printf("%s\t", $i)
       }  # end if
     }    # end for i
     printf("\n")
}         # end awk loop 
          # that processes each line
          # of data from a a file

据我了解，要打印一行的一部分，您将不得不依赖awk更精细的printf("%s", "string")功能。请注意，我将$i作为参数传递给打印，您可能需要使用您的数组变量之一a[2]或其他任何东西。

IHTH

于 2013-08-17T22:36:45.450 回答