如何使用awk打印列中具有特定重复量的重复字段

Question

数据：

语言区域代码ESES爱丁堡>FIIT//tr>西西里

id	名称	城市
01	胡安	卡利	44
01	何塞
01	佩德罗	卡利	44
02	阿尔伯特
02	标记	En	19
03	Raisa	Hellsinki	22
03	Lisa	Hellsinki
04	Gian	罗马	33
05	洛里斯	西西里
05	Vera			31

两次通过：

$ awk -F';' 'NR==FNR{cnt[$1]++; next} cnt[$1]==2' file file
02;Albert;Edinburgh;;19
02;Mark;;En;19
03;Raisa;Hellsinki;FI;22
03;Lisa;Hellsinki;;
05;Loris;Sicilia;;
05;Vera;Sicilia;;31

或者在1次通过中，如果您的输入按示例中所示的第一个字段分组(如果不是，则始终可以sort)：

$ awk -F';' '
$1 != prev { if (cnt == 2) print buf; prev=$1; buf=$0; cnt=1; next }
{ buf=buf ORS $0; cnt++ }
END { if (cnt == 2) print buf }
' file
02;Albert;Edinburgh;;19
02;Mark;;En;19
03;Raisa;Hellsinki;FI;22
03;Lisa;Hellsinki;;
05;Loris;Sicilia;;
05;Vera;Sicilia;;31

总的来说，sort后过滤行的速度更快。这里有一个单通道awk-based解决方案，不需要sort前或sort后-

— output would be based on original input row order, 
so presorted input means presorted output
- downside of this approach is needing 2 arrays.

|

{m,g}awk -F';.+$' '{
sub("$", NR "=", ____[$((_____[NR] = $-_)^_)]) 
} END {
FS = OFS = ORS (___=_="")
$-_=_
for (__ in ____) {
if ((_=____[__]) ~"^[0-9]+=[0-9]+=$") {
$+_=_____[+_]
sub("^[0-9]+[=]",___,_)
$+_=_____[+_]
} }
print $((__=(_=FS)"+")*gsub((_)__,_)*sub("^"__,___)) }'

|

02;Albert;Edinburgh;;19
02;Mark;;En;19
03;Raisa;Hellsinki;FI;22
03;Lisa;Hellsinki;;
05;Loris;Sicilia;;
05;Vera;Sicilia;;31