0

我有以下格式的数据：

     1     "hi"
     2     "hello"
     3 "abc"
     4-"def"
     5(-hjs
     6     "there" 
     abc"    "def"
     7     "there1"

制表符分隔 1 和“hi”。另一个选项卡将 2 和“hello”分隔开来，而在 3 和“abc”之间没有这样的分隔。对于 4-"def" 和 5(-hjs.

我想删除制表符不分隔数字和字符串的所有行。我希望我的输出具有以下形式。

     1     "hi"
     2     "hello"
     6     "there" 
     7     "there1"

我尝试使用 grep '^ *[0-9]' 仅存储那些包含数字的行（虽然它删除了 abc，但它无法删除其余的）。但是，它会删除所有行。是否可以使用 linux 命令/python 仅删除指定的行。

我尝试通过检查是否存在拆分来在 python 中进行操作。但是拆分不适用于“abc”def”形式的模式

我正在使用制表符（'\ t'）进行制表..所以我该如何合并...你也能解释一下吗

4

4 回答 4

2

如果你的版本支持perl正则表达式语法，你可以像这样使用它：

grep -P '^\d+\t+\S+' infile

它从行首 ( ) 开始匹配^一个数字 ( \d+)，后跟一个或多个制表符 ( \t+)，后跟一个非空格字符 ( \S+)。

它产生：

1   "hi"
2   "hello"
6   "there" 
7   "there1"
于 2013-10-24T07:39:10.423 回答
2

使用正则表达式：

s = """
1     "hi"
2     "hello"
3 "abc"
4-"def"
5(-hjs
6     "there" 
abc"    "def"
7     "there1"
"""

import re

for line in s.splitlines():
    if not line:
        continue # skip empty lines
    if re.match(r'^\d\t\S+', line):
        print line

输出：

>>> 
1     "hi"
2     "hello"
6     "there" 
7     "there1"

解释：

正则表达式模式尝试匹配该行。

  • ^ ：这意味着字符串（或行）的开始
  • \d ：这意味着匹配单个数字字符
  • \t ：这意味着匹配一个制表符。
  • \S+：这意味着至少匹配一个非空白字符一次

您可以将正则表达式更改为以下内容：r'^\d\s{4,}\S+'

这添加了 a \s{4,}，这意味着一个空白字符至少 4 次（这是大多数表格的默认字符长度）。

您还可以将它们组合成一个正则表达式，该表达式可以处理制表符转换为空格的情况：r'^\d(\t|\s{4,})\S+'这会添加一个查找\tOR的组\s{4,}。它涵盖了您的所有基础。

于 2013-10-24T07:31:31.947 回答
1

使用awk：

awk '/^[0-9]+\t/' file

仅打印以一个或多个数字[0-9]+开头后跟一个制表符的行\t

于 2013-10-24T08:11:32.250 回答
1

尝试

grep '^[0-9]*\s\{4\}'

（前提是您使用 4 个空格进行制表，如您粘贴的示例中所示）。

于 2013-10-24T07:31:28.877 回答