如何从每行的第一个数字列开始导入

Question

我对此很陌生，所以如果我不清楚，我很抱歉，但我会尽力而为。我有一个没有从 PDF 创建的标题的文本文件。每一行都有点不同，因为第一列是人的名字（人们有不同数量的名字），名字之后是我真正关心的列。我关心的第一列中的数据总是以数字开头。例如，我的数据如下所示：

John Paul Apple     8422M   JPA
John Apple       422F   JA
John Paul of the Apple    32245F  JPOTA
John    345222R   J

我尝试使用类似的东西：

awk '{$1=""; $2=""; sub("  ", " "); print}' input_filename > output_filename

但这会导致我不想要的信息，并丢失一些我确实关心的信息。是否有将每行的第一列视为以数字开头的命令？

我的输出文件将如下所示：

8422M   JPA
422F    JA
32245F  JPOTA
345222R J

Answer 1

这是一个 awk 版本：

awk '{sub("^[^0-9]*",""); print}'

如果你想让输出看起来整洁，

awk '{sub("^[^0-9]*",""); printf "%-12s : %s\n", $1, $2}'

编辑

为了整齐地打印第三个字段，假设第二列数据的宽度永远不会超过 8 个字符，

awk '{sub("^[^0-9]*",""); printf "%-12s : %-8s : %s\n", $1, $2, $3}'

如果第 2 列的某些内容太大，它仍会被打印，将第 3 列的数据推过。 %-8s 表示在至少 8 列宽的字段中打印string，左对齐，%8s 将导致数据右对齐。 awk 使用标准 C printf 格式说明符；你也可以在 Python 中使用它们。

Answer 2

你可以试试grep，

$ grep -oP '(?: |^)\K\d.*' file
8422M   JPA
422F   JA
32245F  JPOTA
345222R   J

$ grep -oP '(?: |^)\K\d.*' file | column -t
8422M    JPA
422F     JA
32245F   JPOTA
345222R  J

或

$ grep -o '[0-9].*' file
8422M   JPA
422F   JA
32245F  JPOTA
345222R   J

Answer 3

假设名称中没有数字（“从行首删除所有不是数字的内容”），

$ sed 's/^[^0-9]\{1,\}//'  input.txt  
8422M   JPA
422F   JA
32245F  JPOTA
345222R   J

或者，以下任何一个也可以工作（简化的 sed + perl 等效项）：

$ sed 's/^[^0-9]*//'   input.txt
$ perl -pe 's/^[^0-9]*//'  input.txt