使用grep中的regex提取第一个单词

Question

我有一个包含等模式的大型文本文件

*pattern1, 34:38,info=a1,signal=s1
*pattern2, 32:38,info=a1,signal=s1
*pattern2,36:38,info=a1,signal=s1
*pattern_4,38:38,info=a1,signal=s1

我想使用grep提取第一个逗号前唯一的第一个单词。我试着使用grep '^*[A-Za-z]' file.txt | sort --uniq和grep '^*[^,]' file.txt | sort --uniq，但没有只得到第一个单词。有人能评论吗？

Answer 1

如果您知道单词是逗号分隔的，只需从每行的开头搜索逗号以外的任何内容。

使用-o仅打印每行的匹配部分。grep通常用于过滤，而不是提取，但有时也可以使用此选项。

grep -o '^[^,]*' file.txt | sort -u

Answer 2

要获得第一个单词并使其唯一，您可以使用以下awk:

awk -F, '!uniq[$1]++ {print $1}' file
*pattern1
*pattern2
*pattern_4

只有在数组uniq中未找到$1时，条件!uniq[$1]++才会返回true。一旦我们在这个数组中添加了一个元素，我们就会将其值增加到1，从而导致!uniq[$1]++返回false。

{print $1}将仅针对true的情况执行。

Answer 3

使用所示的示例和使用gensub的GNUawk，您可以尝试以下操作。这将在整个Input_file的第一列中提供唯一的值。

awk '!seen[$0=gensub(/,.*/,"\1","1")]++' Input_file

解释：简单的解释是，使用gensub，我们得到第一个逗号之前的所有内容，然后在数组中，我们根据要求否定每行中重复出现的内容。

Answer 4

我尝试使用grep '^*[A-Za-z]' file.txt | sort --uniq

grep默认情况下显示它匹配的整行。如果希望grep只显示匹配的内容，请使用-o选项。

grep '^[^,]*' -o file.txt | sort -u

CCD_ 19表示"；任何不是逗号的东西。