我需要跨过大.tsv
的列,如果它与许多字符串中的任何一个匹配,都应替换该列名,如果找不到匹配项,则将其标记为错误。下面是我所拥有的简化版本,它在这里有效。
样本制表符分隔的输入test.tsv
:
Col1 Col2 Col3 Col4
A B C Foo
D E F Bar
G H I Baz
脚本:
#!/bin/bash
set -eu
shopt -s failglob
awk 'BEGIN {FS=OFS="\t"} \
{if (NR==1) \
{for (i = 1 ; i <= NF ; i++) \
if ($i == "Col1") { $i = "NewCol1" } \
else if ( $i == "Col2") { $i = "NewCol2" } \
else if ( $i == "Col4") { $i = "NewCol4" } \
else { $i = "Error: "$i } \
} print \
}' test.tsv
制表符分隔的输出:
NewCol1 NewCol2 Error: Col3 NewCol4
A B C Foo
D E F Bar
G H I Baz
但是,在我的实际流程中,Col4
未成功处理。而是将其标记为错误。如果我使用LibreOffice Calc打开文件并再次将其保存为.tsv
,则不会发生此问题。这使我认为这可能是行尾格式问题,但是我已经使用vim来检查输入文件中的结尾,并且它们始终是\n
。我在这里想念什么?
显然您的输入行以^M
或\r
结尾。您可以将此awk
与自定义的正则表达式一起使用在RS
中(这需要GNU awk
):
awk -v RS='\r?\n' '...' file
[-v RS='\r?\n'
设置RS
或记录分隔符为可选 \r
,后跟\n
,因此允许它匹配以\n
或\r\n
结尾的行。