如何解决gawk:为1个或多个多字段文件模拟uniq -cd,合并重复的详细信息并使用计数和路径格式化输出
输入是1个或多个文件,包含文件名列表及其路径,并用'/'分隔 (来自重新排列的ls / dir输出)
file1 / path1
file2 / path2
file3 / path3
file4 / path4
file3 / path5
...
所需的输出类似,除了重复项,我希望它们的单独计数和关联的路径 (或者在同一行上,用“ /”分隔,或者在每个重复的文件名之后缩进):
1 / file1 / path1
1 / file2 / path2
2 / file3 / path3-1 / path3-2
1 / file4 / path4
...
或
1 / file1 / path1
1 / file2 / path2
2 / file3 / path3-1
path3-2
1 / file4 / path4
...
现在我有一些大的awk混乱,至少它可以做些什么,但是我希望他们做的更简洁,轻巧,也许是更快的方式!因为我没有找到如何避免将所有行存储在tmp var中的方法...
gawk -F/ -v "tot=c" "{a[$1]++;l[$1]=$1;m[$1]=$2;if (a[$1]>1) m[$1]=m[$1]FS$2;} END {for (i in a) {print a[i],FS,l[i],m[i]; c+=a[i]};print c}" file1 file2 > out
^ ^ here,it doesn't keep ^
^ prev path and add new ^
^ ^[*]
因此,问题是保留重复的先前路径,并且仅在最后一次出现时才输出。
:[*]:另外: 添加的var c应该计算重复项的总数,如果我在星号位置添加'if(a [i]> 1)'(然后将其输出为最后一行),则可以这样做只打印胶印... 因此,比两次运行此命令更好,也许有人会一劳永逸地提出解决方案的:)
nb:
它们在路径中不是/,它们是Windows路径(文件名中也没有!)
但路径和文件名可以包含任何允许的花式字符(尤其是网页快捷方式)
在MSdos批处理中使用Gnuwin二进制文件,因此如有必要,将'替换为'&v / v
谢谢
解决方法
$ awk -F/ -v OFS=' / ' '{c[$1]++; v[$1]=($1 in v?v[$1] OFS:"")$2}
END {for(k in c) print c[k],k,v[k]}' file
1 / file1 / path1
1 / file2 / path2
2 / file3 / path3 / path5
1 / file4 / path4
但是,如果您的路径值中有/
,则此方法将不起作用...
给出input.txt,其中包含:
file1 / path1
file2 / path2
file3 / path3
file4 / path4
file3 / path5
和pgm.awk包含:
BEGIN{
FS="/"
}
{
a[$1] = a[$1] "/" $2
}
END{
for(i in a){
n=split(a[i],b)
if(n == 2){
print n-1 "/" i a[i]
} else {
p=n-1 "/" i
for(j=2; j<=n; j++){
p=p "/" b[j] "-" j-1
}
print p
}
}
}
运行:
gawk -f pgm.awk input.txt
输出:
1/ file1 / path1
1/ file2 / path2
2/ file3 / path3-1/ path5-2
1/ file4 / path4
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。