如何删除第 3 列中数字小于 60 的行？

Question

我有一个大文件。我需要删除文件中第 3 列中数字小于 60 的所有行。

示例文件：

35110   Bacteria(100)   Proteobacteria(59)  Alphaproteobacteria(59)
12713   Bacteria(100)   Bacteroidetes(100)  Bacteroidia(100)

期望的输出：

12713   Bacteria(100)   Bacteroidetes(100)  Bacteroidia(100)

Answer 1

不需要 Gawk 扩展：

awk -F '[()]' '$4 >= 60'

这里指定的awk字段标记器-F是一个正则表达式集[]：字段由左括号或右括号分隔，因此您会看到第 3 列的编号是第 4 个awk字段。

Answer 2

您可以使用awk（实际上它必须是 GNU AWK 实现gawk，而不是mawk包含较少功能 - 您可能必须安装它sudo apt install gawk）来完成此工作：

gawk '{match($3,/\((.+)\)/,m);if(m[1]>=60){print $0}}' MY_FILE

尽管不可否认，对于未经训练的人来说，这看起来像是黑魔法，但逻辑很简单：

• 对于每一行，运行最外面的大括号内的内容：
• 首先，match($3, /\((.+)\)/, m)将正则表达式\((.+)\)（与左圆括号和右圆括号匹配，将括号之间的内容存储为第一个捕获组）与$3已处理输入行的第三列进行匹配，并将生成的匹配数组存储在变量 中m。
• 然后，检查条件if (m[1] >= 60)，即匹配的第一个捕获组的值（无论输入中括号之间的值）是否大于或等于 60。如果为真，则执行 do {print $0}，它会简单地打印当前处理的整个行。

Answer 3

如果您不想学习/使用命令行工具，您不妨在 LibreOffice Calc 中打开文件并仅过滤数据（Calc 支持制表符分隔的文件）。

如果您了解任何编程语言，那么编写一个小程序来过滤数据就很简单了。

但如果您有大量数据集需要处理，那么使用 MySQL 等 DBMS 会更容易、更快且直观。