使用AWK使用多字符字段分隔符

Question

我对AWK的字段分隔符有问题，输入文件如下所示

1\x{e76f}\x{e76f}同义词 1+* 细菌/细菌 2/ Monera / Monera -部分 2_ Procaryotae _ Procaryotae _Procaryotae_in-第二部分 2:原核生物 2%原核生物部分 细菌，细菌

这里的字段分隔符是选项卡、管道、选项卡\t|\t，所以在我尝试只打印第一列和第二列时

awk -F'\t|\t' '{print $1 "\t" $2}' nodes.dmp | less

与期望的输出不同，输出是第一列，后面是管道字符。我尝试转义管道\t\|\t，但是输出保持不变。

1% 1% 2,000 2,000 2,000 2,000

打印第一和第三栏给了我最初的预期输出。

awk -F'\t|\t' '{print $1 "\t" $3}' nodes.dmp | less

但我很想知道为什么这不像预期的那样有效。

我知道下面的perl一行程序会起作用，但我真正想要的是使用awk。

perl -aln -F"\t\|\t" -e 'print $F[0],"\t",$F[1]' nodes.dmp | less

Answer 1

管道|字符似乎混淆了awk，使其认为\t|\t意味着字段分隔符可能是\t或\t中的一个。告诉awk按字面解释|。

$ awk -F'\t[|]\t' '{print $1 "\t" $2}'
1   all
1   root
2   Bacteria
2   Monera
2   Procaryotae
2   Prokaryota
2   Prokaryotae
2   bacteria

Answer 2

根据你的投稿：

1. 您的行可以以|结尾，而不是以|\t结尾
2. 您有输入包含|\t|的情况(前2行)，以及
3. 您的行从选项卡开始。

因此，制表符选项卡的FS是错误的，因为它将不匹配上述任何一种情况，因为第一种情况只是选项卡-管道，而第二种选项卡将与前面字段中的选项卡-管道选项卡相匹配，但这只会使管道选项卡用于下面的字段，而第一种选项卡将给您留下一个不受欢迎的引导选项卡。

实际上，您需要的是将FS设置为仅为制表符管道，然后从每个字段中去掉前面的选项卡：

awk -F'\t|' -v OFS='\t' '{gsub(/(^|[|])\t/,""); print $1, $2}' file

这样，您就可以处理从1到NF-1的所有字段，完全相同。

Answer 3

使用cut命令：

 cut -f1,2 -d'|' file.txt 

在输出中没有pipe：

 cut -f1,2 -d'|' file.txt | tr -d '|'