我有一个巨大的 csv 文件，其中有 10 个字段，用逗号分隔。不幸的是，有些行格式错误并且不包含正好 10 个逗号（当我想将文件读入 R 时会导致一些问题）。如何仅过滤掉恰好包含 10 个逗号的行？
cuo*_*glm 23
另一个POSIX：
awk -F , 'NF == 11' <file
如果该行有 10 个逗号，则该行将有 11 个字段。所以我们简单地awk使用,作为字段分隔符。如果字段数为 11，则条件NF == 11为真，awk则执行默认操作print $0。
使用egrep（或grep -E在 POSIX 中）：
egrep "^([^,]*,){10}[^,]*$" file.csv
这会过滤掉不包含 10 个逗号的任何内容：它匹配整行（^在开头和$结尾），恰好包含{10}“除 ',' 之外的任意数量的字符，后跟单个 ','”序列的十次重复 ( ) ( ([^,]*,))，然后再跟除 ',' ( [^,]*)之外的任意数量的字符。
您还可以使用该-x参数删除锚点：
grep -xE "([^,]*,){10}[^,]*" file.csv
不过，这比cuonglm的awk解决方案效率低；对于包含大约 10 个逗号的行，后者在我的系统上通常快 6 倍。更长的线路将导致巨大的减速。
最简单的grep代码可以工作：
grep -xE '([^,]*,){10}[^,]*'
解释：
-x确保模式必须匹配整行，而不仅仅是其中的一部分。这很重要，因此您不会匹配超过 10 个逗号的行。
-E 表示“扩展的正则表达式”，这可以减少正则表达式中的反斜杠转义。
括号用于分组，{10}after 表示括号内的模式行中必须正好有十个匹配项。
[^,]是一个字符类——例如，[c-f]将匹配 a c、a d、ane或 an 的任何单个字符f，并[^A-Z]匹配任何不是大写字母的单个字符。所以[^,]匹配除逗号之外的任何单个字符。
在*之后的字符类的意思是“零个或更多的这些。”
所以正则表达式部分的([^,]*,)意思是“除逗号之外的任何字符任意次数（包括零次），后跟一个逗号”，并{10}指定其中的 10 个。然后[^,]*将其余的非逗号字符匹配到行尾。
sed -ne's/,//11;t' -e's/,/&/10p' <in >out
首先用 11 个或更多逗号分支出任何行，然后只打印那些匹配 10 个逗号的行。
显然我之前回答过这个问题......这是一个我抄袭的问题，正在寻找恰好 4 次出现的某种模式：
您可以
[num]通过将 seds///替换命令添加[num]到命令中来定位模式的第 th 次出现。当您t对成功替换进行 est 并且未指定目标:标签时，test 会从脚本中分支出来。这意味着您所要做的就是测试一个s///5或多个逗号，然后打印剩下的。或者，至少，可以处理超过最大 4 行的行。显然，您也有一个最低要求。幸运的是，这也很简单：
sed -ne 's|,||5;t' -e 's||,|4p'
...只需将
,一行中出现的第 4 次替换为它自己，并将您的prints///附加到替换标志上。因为任何匹配,5 次或更多次的行都已经被修剪，所以包含 4 个,匹配项的行只包含4 个。