unix - 使用 awk 选择特定单词，同时忽略其他单词

Question

假设我有一个很长的文件，其中包含物种及其出现情况。我想保留其中一些发生的物种，就我而言:CHU、NEU、RNE、SCR、TDF。比如我原来的矩阵是:

Species_A; CHU, NEU, TUC, SCR
Species_B; CHU, NEU, RNE, SCR, TDF
Species_C; COR, NEU, SAL, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

我想只保留那些出现过 CHU、NEU、RNE、SCR、TDF 的物种，同时排除其余站点:

Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

我认为一种选择可能是:

awk -F “;” '$2/CHU/&&/NEU/&&/RNE/&&/SCR/&&/TDF/{ print}' 文件

但这也包括那些不需要的网站(例如 SAL、TUC)。

欢迎任何提示。

Answer 1

awk方法1:正则表达式

$ awk  '/;([[:blank:],]*(CHU|NEU|RNE|SCR|TDF))+$/' file
Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

这仅打印那些与正则表达式 ;([[:blank:],]*(CHU|NEU|RNE|SCR|TDF))+$ 匹配的行。

awk 方法 2:循环

尝试:

$ awk  '{for (i=2;i<=NF;i++) if (!($i~/^(CHU|NEU|RNE|SCR|TDF)/)) next} 1' file
Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

它是如何工作的

• for (i=2;i<=NF;i++) if (!($i~/^(CHU|NEU|RNE|SCR|TDF)/)) next

  这会循环第一个单词之后的所有单词。如果这些单词中的任何一个不是以您批准的 3 字母字符串之一开头，那么我们将跳过其余命令并跳转到 next 重新开始。线。

• 1

  这是 awk 的 print-the-line 的简写。 (当然，只有当上面的next命令没有被触发时才会执行。)

使用 sed

使用与方法 1 相同的逻辑:

$ sed -En  '/;([[:blank:],]*(CHU|NEU|RNE|SCR|TDF))+$/p' file
Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

使用 grep

使用相同的正则表达式逻辑:

$ grep -E  ';([[:blank:],]*(CHU|NEU|RNE|SCR|TDF))+$' file
Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF