我有一个包含一些无效行的大型数据集。我只想将以有效日期(正则表达式数字)开头的行复制到另一个文件。
基本上检查 awk $1 是否为数字 ([0-9]),如果是,则将整行 ($0) 写入输出文件,如果不是,则跳过此行,转到下一行。
我想象的样子(两个版本都给出语法错误):
awk '{if ($1 =~ [0-9]) print $0 }' >> output.txt
awk '$1 =~ [0-9] {print $0}' filename.txt
虽然这确实打印了第一个字段,但我不知道如何继续。
awk '{ print $1 }' filename.txt
19780101
19780102
19780103
a
19780104
19780105
19780106
...
完整数据集:
19780101 1 1 1 1 1
19780102 2 2 2 2 2
19780103 3 3 3 3 3
a a a a a a
19780104 4 4 4 4 4
19780105 5 5 5 5 5
19780106 6 6 6 6 6
19780107 7 7 7 7 7
19780108 8 8 8 8 8
19780109 9 9 9 9 9
19780110 10 10 10 10 10
19780111 11 11 11 11 11
19780112 12 12 12 12 12
19780113 13 13 13 13 13
19780114 14 14 14 14 14
19780115 15 15 15 15 15
19780116 16 16 16 16 16
a a a a a a
19780117 17 17 17 17 17
19780118 18 18 18 18 18
19780119 19 19 19 19 19
19780120 20 20 20 20 20
数据集可以用R复现
library(dplyr)
library(DataCombine)
N <- 20
df = as.data.frame(matrix(seq(N),nrow=N,ncol=5))
df$date = format(seq.Date(as.Date('1978-01-01'), by = 'day', len = N), "%Y%m%d")
df <- df %>% select(date, everything())
df <- InsertRow(df, NewRow = rep("a", 6), RowNum = 4)
df <- InsertRow(df, NewRow = rep("a", 6), RowNum = 18)
write.table(df,"filename.txt", quote = FALSE, sep="\t",row.names=FALSE)
关于读取前 N 行的问题没有解决我的需求,因为我的无效行可能在任何地方。 This solution由于某种原因不起作用。
最佳答案
因为你有一个大数据集和一个如此简单的需求,你可以只使用 grep 因为它比 awk 更快:
grep '^[0-9]' file
关于regex - Bash 使用 awk 从文件中选择有效行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58397279/