按照一定的標準選擇行

Question

我有一個十列的數據列表，如下所示。它有幾千條線。

$1 $2 $3 $4 $5  $6  $7 $8 $9 $10 

| 8455 105@O13 | 8132 101@H13 8131 101@O13 | 68.43 
| 7490 93@O16 | 8868 110@H16 8867 110@O16 | 68.30 
| 7561 94@O12 | 9185 114@H13 9184 114@O13 | 66.83 
| 8776 109@O12 | 7481 93@H12 7480 93@O12 | 65.55 
| 8867 110@O16 | 8432 105@H23 8431 105@O23 | 64.48 
| 9832 122@O13 | 6357 79@H16 6356 79@O16 | 64.44 
| 9194 114@O15 | 5699 71@H12 5698 71@O12 | 64.06 
| 8849 110@O25 | 5780 72@H12 5779 72@O12 | 63.99 

我想選擇與某些特殊表達式匹配的列$ 3和列$ 6中的行。我希望用作正則表達式的標準是'前面的數字'@「符號在兩列中都是相同的。如果這個標準匹配，比我想要將這些行輸出到一個新文件。

我曾嘗試在AWK像這樣

awk '$3~/[1@]/ {print $1,$2,$3,$4,$5,$6,$7,$8,$9,$10}' hhHB_inSameLayer_065_128-maltoLyo12per.tbl 

，但它並沒有給我想要的東西。

我apreciate如果有人可以給一些幫助。

請注意：如果我在perl或python中獲得一些幫助，也感激不盡。

非常感謝提前。

Answer 1

在awk中嘗試以下操作。分裂$3和$6成基於所述@分離器陣列和打印如果每個匹配

awk '{split($3, a, "@"); split($6, b, "@");if (a[1] == b[1]) print}' 

或者更慣用

awk '{split($3, a, "@"); split($6, b, "@")}; a[1] == b[1]' 

或快速的Python 2.6+溶液的第一元件

from __future__ import print_function 
with open('testfile.txt') as f: 
    for line in f: 
      fields = line.split() 
      fields3 = fields[2].split('@') 
      fields6 = fields[5].split('@') 
      if fields3[0] == fields6[0]: 
        print(line, end='') 

Answer 2

以下是使用內置csv模塊的Python解決方案。它將所有符合條件的行存儲在列表stored_lines中。

** 編輯爲跳過標題並且不將多個空格視爲多個分隔符。 **

import csv 

def is_good(line): 
    return line[2][:line[2].find('@')] == line[5][:line[5].find('@')] 

# we'll put the lines that match the criteria here. 
stored_lines = [] 

with open('stack.txt') as fr: 
    csv_reader = csv.reader(fr, delimiter=' ', skipinitialspace=True) 

    # Skip the header 
    csv_reader.next() 
    csv_reader.next() 
    for line in csv_reader: 
     if is_good(line): stored_lines.append(line) 

print(stored_lines) 

Answer 3

感嘆，三種解決方案之前，我甚至可以掀起這件事......

import re 

write_file = open("sorted data.txt", "w") 

with open("data.txt", "r") as read_file: 
    for line in read_file: 
     data_list = re.split("[\s\|@]+", line) 
     if data_list[2] == data_list[5]: 
      write_file.write(line) 

write_file.close() 

我怕我是Perl或awk的一知半解，但這救了re.split這是很好的和可讀的。

Answer 4

代碼GNU sed：

sed -r '/^\|\s+\S+\s+([0-9]+@).*\|.*\1/!d' file 

---

假設有兩排的報頭：

sed -r '1,2p;/^\|\s+\S+\s+([0-9]+@).*\|.*\1/!d' file 

Answer 5

在Perl：

while(<DATA>){ 

    # split the line by whitespace 
    my @columns = split; 

    # get number from column 3 
    my ($value_col_3) = $columns[2] =~ m{ \A (\d+) \@ }msx; 

    # get number from column 6 
    my ($value_col_6) = $columns[5] =~ m{ \A (\d+) \@ }msx; 

    if($value_col_3 == $value_col_6){ 
    print; 
    } 
} 

__DATA__ 
| 8455 105@O13 | 8132 101@H13 8131 101@O13 | 68.43 
| 7490 93@O16 | 8868 110@H16 8867 110@O16 | 68.30 
| 7561 94@O12 | 9185 114@H13 9184 114@O13 | 66.83 
| 8776 109@O12 | 7481 93@H12 7480 93@O12 | 65.55 
| 8867 110@O16 | 8432 105@H23 8431 105@O23 | 64.48 
| 9832 122@O13 | 6357 79@H16 6356 79@O16 | 64.44 
| 9194 114@O15 | 5699 71@H12 5698 71@O12 | 64.06 
| 8849 110@O25 | 5780 72@H12 5779 72@O12 | 63.99 

Answer 6

這裏的一個Perl的單班輪，使用一個單一的定期前與反向引用PRESSION模式：

perl -ne 'print if m/^\S+\s+\S+\s+(\d+\@)\S+\s+\S+\s+\S+\s+\1/' hhHB_inSameLayer_065_128-maltoLyo12per.tbl > hhHB_inSameLayer_065_128-maltoLyo12per_reduced.tbl 

（我很驚訝，沒有人指出了Vijay的原始問題陳述了明顯的缺陷尚未：沒有在符合既定的例子紀錄條件）。

Answer 7

import re 

su = ''' 
$1 $2 $3 $4 $5  $6  $7 $8 $9 $10 

| 8455 105@O13 | 8132 101@H13 8131 101@O13 | 68.43 
| 7490 93@O16 | 8868 110@H16 8867 110@O16 | 68.30 
| 7561 94@O12 | 9185 94@H13 9184 114@O13 | 66.83 
| 8776 109@O12 | 7481 93@H12 7480 93@O12 | 65.55 
| 8867 110@O16 | 8432 105@H23 8431 105@O23 | 64.48 
| 9832 122@O13 | 6357 79@H16 6356 79@O16 | 64.44 
| 9194 114@O15 | 5699 71@H12 5698 71@O12 | 64.06 
| 8849 110@O25 | 5780 72@H12 5779 72@O12 | 63.99''' 

f = re.compile(
    '(^\|[^|]+?[ \t](\S+?)@\S+[ \t]+?' 
    '\|[^|]+?[ \t](\\2)@\S+.+)', 
    re.MULTILINE)\ 
    .finditer 

print [m.group(1) for m in f(su)]