如何提取模式前的字符答案

【问题标题】：How to extract characters before a pattern如何提取模式前的字符
【发布时间】：2017-07-26 18:48:21
【问题描述】：

我需要一些关于如何提取行的特定字符串的帮助。

我有一个包含数千行的文件，如下所示：

Eukaryota; Alveolata; Ciliophora; Intramacronucleata; Paramecium#
Eukaryota; Viridiplantae; Streptophyta; Embryophyta#
Bacteria; Cyanobacteria; Synechococcales; Acaryochloridaceae; Acaryochloris#
Eukaryota; Viridiplantae# 
Bacteria; Proteobacteria; Alphaproteobacteria#

我想获取每行的第一项和最后一项。所以输出将是：

Eukaryota; Paramecium#
Eukaryota; Embryophyta#
Bacteria; Acaryochloris#
Eukaryota; Viridiplantae# 
Bacteria; Alphaproteobacteria#

我知道如何用

获得第一列

awk '{print$1}' fileIn > fileOut

但我不知道如何获取最后一项，因为它总是在不同的列中。

我尝试添加 # 然后在 # 之前保留 XX 个字符

grep -E -o '.{X,X}PATTERN. fileIn > fileOut

输出如下所示：莱斯;磺草科;硫化叶# ; Thermoproteaceae;卡迪维加# 莱斯;卤草科;卤代鱼# 卤草科;光方体# 麦芽酒； Natrialbaceae; Natrialba#

但是我必须重复这个过程并删除 ;直到我只剩下最后一个项目。

我已经搜索了是否有任何 grep 或 awk 选项来执行此操作，提取第一列和最后一列或仅提取附加到 # 的字符，但我找不到任何适合我的选项。

如果有任何关于如何进行的建议，我将不胜感激。

谢谢。

【问题讨论】：

您可以使用$NF 获取每行的最后一个文件，这是您想要的吗？
谢谢 $NF 不是我想要的，但它可以在我只需要最后一项的情况下工作。 :)

标签： regex awk grep

【解决方案1】：

$ awk 'BEGIN{FS=OFS=";"}{print $1,$NF}' file
Eukaryota; Paramecium#
Eukaryota; Embryophyta#
Bacteria; Acaryochloris#
Eukaryota; Viridiplantae# 
Bacteria; Alphaproteobacteria#

【讨论】：

@vimac 看看怎么办when someone answers your question

【解决方案2】：

由于您文件中的分隔符是;，您也可以使用gsub(/;.*;/,";",$0) 过滤掉两个; 之间的字段，得到第一个和最后一个字段。

$ awk '{gsub(/;.*;/,";")}1' fileIn > fileOut
$ cat fileOut
Eukaryota; Paramecium#
Eukaryota; Embryophyta#
Bacteria; Acaryochloris#
Eukaryota; Viridiplantae# 
Bacteria; Alphaproteobacteria#

【讨论】：

不错。不过，sub 可能就足够了。
感谢您的编辑@RavinderSingh13。现在好多了。
如果你打算只在整行上使用 sub，不妨使用sed 's/;.*;/;/'... ;)

【解决方案3】：

awk '{print $1,$NF}' file

Eukaryota; Paramecium#
Eukaryota; Embryophyta#
Bacteria; Acaryochloris#
Eukaryota; Viridiplantae#
Bacteria; Alphaproteobacteria#

【讨论】：

【解决方案4】：

你可以试试下面的 Perl 单行

perl -aF';' -ne 'print "$F[0],$F[-1]"' test.txt

-a自动拆分模式

-F';'设置分隔符为;

并将分割后的数据存储在@F数组中

$F[0] 包含第一列（第一个索引）

$F[-1] 包含最后一列（最后一个索引）

【讨论】：