如何根据特定列字段中出现PATTERN的连续次数来选择行

Question

我遇到了一个非常简单的问题。我希望你能帮助我我有一个看起来像这样的大文件：

32 Q beta
33 S beta
34 A nb
35 T nb
36 G nb
37 T nb
38 K nb
39 T nb
40 D nb
41 T beta
42 P beta
43 I nb
44 Q nb
45 K nb
46 V nb
50 I beta
51 S beta
52 V beta
53 V beta
54 T beta

它总是以一行开始，其中$3＝"0"；β"；。我只想保存包含特定次数(<=5(的模式"的行；非β；并且仅复制第3列等于"0"的前一行/后一行；β；(尽管有这些行的编号(。

因此输出为：

41 T beta
42 P beta
43 I nb
44 Q nb
45 K nb
46 V nb
50 I beta
51 S beta
52 V beta
53 V beta
54 T beta

你能帮帮我吗？感谢所有

Answer 1

以下将执行请求的操作

grep -zPo '(^|n)(S+sS+sbetan)+(S+sS+s(?!beta).*n){1,4}(S+sS+sbetan)+' file.txt  | tr '' 'n'

然而，可能并没有达到你的预期：当许多(<=5(非贝塔模式被贝塔线分隔时，由于贝塔线已经被消耗，下一个匹配将找不到。模式应该根据实际需要进行更改。

Answer 2

Perl来拯救！

只要我能够理解需求并测试它，下面的perl脚本似乎可以工作

• -n逐行读取输入并执行每行的脚本

• -l从输入中删除换行并将它们添加到输出

• -a将空白上的每一行拆分为@F数组

• 变量CCD_ 4用于指示我们要在打印的部分之后打印贝塔。

• 变量$count决定一个区段具有的行数

• 变量CCD_ 6包含前一行的第三列。

• 阵列CCD_ 7累积我们稍后可能打印的行。

#!/usr/bin/perl -lan
if ($F[2] eq 'beta') {
if ($printing) {
print;
} elsif ($previous eq 'beta') {
push @buffer, $_;
} elsif ($count && $count <= 5) {
print for @buffer, $_;
@buffer = ();
$printing = 1;
} else {
@buffer = $_;
}
} else {
$printing = 0;
if ($previous eq $F[2]) {
++$count;
push @buffer, $_;
} elsif ($previous eq 'beta') {
$count = 1;
push @buffer, $_;
} elsif ($count <= 5) {
print for @buffer;
@buffer = $_;
$count = 1;
} else {
@buffer = $_;
$count = 1;
}
}
$previous = $F[2];
END {
if ($count <= 5) {
print for @buffer;
}
}