标题: [文本处理] [已解决]批处理怎样判断文本第五列数据并根据条件删除整行？ [打印本页]
作者: xslxslxsl 时间: 2011-6-29 14:36 标题: [已解决]批处理怎样判断文本第五列数据并根据条件删除整行？
现有一个文件夹中有多个已ABC开头的文本文件（ABC1.TXT,ABC2.TXT......),文本的结构相同，下面数据中的空格实际上系TAB键，以tab键分隔数据
内容见附件
将第四个空后的数据进行比较，也就是第四个TAB见后的内容机型判断，若为9或7或没内容，则将整行删除，留下的数据另存
处理后的文本情况见附件
（即对文本数据中的第五列数据进行判断，若为9或为7或无内容就将此行删除）
用sed如何操作，用gawk又如何实现呢，或者有没有其它更加方便的做法，这样的文本数据有上千个之多，用哪个更加方便可靠，谢谢高手们指点。
高手们，sed 处理上千个几k到几十M这样结构的文本会不会吃力哦？若吃力，那如何优化比较好呢？谢谢各位高手告知。
各位高手再次请教：
. 表示匹配任意一个字符；.*表示匹配任意多个字符（1或多个），还是零个或多个啊？
作者: CrLf 时间: 2011-6-29 15:09
楼主上次不是问过了吗！
http://bbs.bathome.net/viewthread.php?tid=12947&highlight=
作者: xslxslxsl 时间: 2011-6-29 15:12
上次没有问清楚，麻烦大家再帮我解答一下，谢谢
作者: tmplinshi 时间: 2011-6-29 15:21
本帖最后由 tmplinshi 于 2011-6-29 23:14 编辑
- sed -i "/^.*\t.*\t.*\t.*\t[79]\?\t/d" *.txt
作者: xslxslxsl 时间: 2011-6-29 15:32
若我要判断的内容不是一个字符而是两个呢？比如 9改为59,7改为67那该怎么写呢？若是空字符没有内容呢？麻烦耐心指导，我也是刚学，谢谢大家。
作者: tmplinshi 时间: 2011-6-29 16:43
本帖最后由 tmplinshi 于 2011-6-30 09:36 编辑
删除第五列是“59”或“67”或空字符的行：- sed -i -r "/\t.*\t.*\t.*\t59|67\t/d; /\t.*\t.*\t.*\t\t/d" *.txt
=============
删除第五列是“59”或“67”或“b”或“a”或“t”的行：- sed -i -r "/\t.*\t.*\t.*\t59|67\t/d; /\t.*\t.*\t.*\t[bat]\t/d" *.txt
=============
删除第五列是“59”或“67”或“b”或“a”或“t”或空字符的行：- sed -i -r "/\t.*\t.*\t.*\t59|67\t/d; /\t.*\t.*\t.*\t[bat]?\t/d" *.txt
=============
删除第五列是“59”或“67”或“b”或“a”或“t”或空字符的行：- sed -i -r "/^.*\t.*\t.*\t.*\t(59|67|[bat])?\t/d" *.txt
作者: xslxslxsl 时间: 2011-6-29 17:23
非常感谢，先谢谢，回去好好学习领悟一下，谢谢大家，特别要谢谢tmplinshi 的大力支持与耐心指导。
作者: xslxslxsl 时间: 2011-6-29 22:55
本帖最后由 xslxslxsl 于 2011-6-29 23:21 编辑
高手们，sed 处理上千个几k到几十M这样结构的文本会不会吃力哦？若吃力，那如何优化比较好呢？谢谢各位高手告知。
各位高手再次请教：
. 表示匹配任意一个字符；.*表示匹配任意多个字符（1或多个），还是零个或多个啊？
作者: xslxslxsl 时间: 2011-6-29 23:29
sed -i -r "/^.*……这个-r为什么要写啊，不写可以吗？"/^"也必须要写吗？向我这个文本中每行就五个TAB键固定死就行了，不用写"/^"是不是也可以哦，比如sed -i ".*\t.*\t.*\t.*\t59|67\t/d" *.txt
作者: tmplinshi 时间: 2011-6-29 23:33
本帖最后由 tmplinshi 于 2011-6-29 23:40 编辑
8# xslxslxsl
改进了 6 楼的代码，改成了：
删除第五列是“59”或“67”或“b”或“a”或“t”或空字符的行：- sed -i -r "/^.*\t.*\t.*\t.*\t(59|67|[bat])?\t/d" *.txt
. 表示任意一个字符。
* 表示前一个字符出现 0 次，或 0 次以上。
\? 表示前一个字符出现 0 次，或 1 次。
-r 使用了这个参数后，可以省略一些斜杠。如 \? 就写成 ?，\| 就写成 |。
假如上面的代码不使用 -r 参数，代码应该写为：
sed -i "/^.*\t.*\t.*\t.*\t\(59\|67\|[bat]\)\?\t/d" *.txt
-i 直接修改文件。
作者: xslxslxsl 时间: 2011-6-29 23:52
本帖最后由 xslxslxsl 于 2011-6-30 00:00 编辑
10# tmplinshi
谢谢版主的耐心指点，我还是有点不清楚，向你说
. 表示任意一个字符
* 表示前一个字符出现 0 次，或 0 次以上
那.*是表示0 次或 0 次以上，还是1 次或1 次以上呢，
. 表示任意一个字符，这任意一个字符可以是空字符吗，也就是什么都没有吗？
sed 处理上千个几k到几十M这样结构的文本会不会吃力哦？若吃力，那如何优化比较好呢？
还有就是我还想看看你之前写的一条一条一条的三条代码，也就是用，（逗号）分开写成一行的，可惜被你编辑了，我没有及时保存下来，刚才我还在学习，没想到版主及时给答复完善更新了，麻烦再分开写一遍哦，打扰了。
再次感谢你哦。
作者: tmplinshi 时间: 2011-6-30 09:47
本帖最后由 tmplinshi 于 2011-6-30 13:09 编辑
11# xslxslxsl
那三条代码加回去了。
================================
. 表示 1 个任意字符。不表示空字符。
.* 表示 0 个，或 0 个以上任意字符。
================================
用 fr 删除第五列是“59”或“67”或“b”或“a”或“t”或空字符的行：- fr *.txt -r:"^.*\t.*\t.*\t.*\t(59|67|[bat])?\t.*\n?" -t
（\n 后面的 ?，是为了避免最后一行没有换行。）
强烈推荐 fr！我刚才测试了一千个文件，fr 用了 2 秒，sed (4.14) 用了 27 秒。以下是用 timieit 计算的结果：
Average for #fr.bat key over 1 runs
Version Number: Windows NT 5.1 (Build 2600)
Exit Time: 8:00 am, Monday, January 1 1601
Elapsed Time: 0:00:02.187
Process Time: 0:00:00.078
System Calls: 19314
Context Switches: 8589
Page Faults: 3166
Bytes Read: 4853881
Bytes Written: 847969
Bytes Other: 158000
Average for #sed.bat key over 1 runs
Version Number: Windows NT 5.1 (Build 2600)
Exit Time: 8:00 am, Monday, January 1 1601
Elapsed Time: 0:00:27.484
Process Time: 0:00:00.093
System Calls: 810124
Context Switches: 34826
Page Faults: 6223
Bytes Read: 5148897
Bytes Written: 11314757
Bytes Other: 3662156
作者: xslxslxsl 时间: 2011-6-30 11:02
非常感谢版主tmplinshi 的帮助，真的非常感谢，这样耐心的为我解答，给予我非常大的帮助，看在版主这样热心的帮助上，我也要好好将这些知识点学习好，真的很感谢，让我学习BAT的积极性又大增了。现在满脑子里就是惊喜和感谢。呵呵，看来我之后又要学习FR了哦，望版主tmplinshi 及大家能继续大力支持和耐心帮助我。再次感谢，感谢tmplinshi ，感谢大家。
作者: xslxslxsl 时间: 2011-7-5 00:18
本帖最后由 xslxslxsl 于 2011-7-5 16:22 编辑
12# tmplinshi
如果我这些数据不止六列，也就是大于等于六列，每行的长度又不一，还是按照之前的要求删除第五列符合条件的行，请问版主那代码如何写？因为.*中可能包括零个或多个\t。麻烦高手解答，谢谢！
作者: xslxslxsl 时间: 2011-8-15 11:16
回复 12# tmplinshi
版主，若我想将删除行的内容剪切或者复制出去，并将剪切或复制出去的行文本内容另存为新的文本，请我改如何操作，哪个参数可以实现，望赐教。谢谢！
| 欢迎光临 批处理之家 (http://www.bathome.net/) |
Powered by Discuz! 7.2 |