对文本文件中制表符分隔列中的文本进行分类

Posted 2023-03-12

【中文标题】对文本文件中制表符分隔列中的文本进行分类

【英文标题】：Classify text from tab separated columns in text file

【发布时间】：2017-08-04 19:03:26

【问题描述】：

我有一个像this这样的文本文件：

        Education June 2007 Bachelors of Science in
Business Administration ORGANIZATION    ,
University of Phoenix   ORGANIZATION    .

        June 2005 Associate of Arts in
Liberal Arts    ORGANIZATION    ,
Victor Valley Junior College    ORGANIZATION    ,
Victorville LOCATION    ,
CA  LOCATION    .

我想检索分隔前两列的制表符，所以我使用了这个：

cut -f 1-2 input.txt > output.txt

效果很棒！

现在，我想要在第二列中包含 ORGANIZATION 并在第一列中包含特定单词的行，即对于每一行，如果第二列显示 ORGANIZATION，请检查第一列是否包含单词“University”， School","College"等，如果是，写在输出文件中。

有没有什么办法可以通过修改下面的代码或者用python写一个新的来实现？：

cut -f 2-3 input.txt > output.txt

输出应如下所示：

University of Phoenix   ORGANIZATION
Victor Valley Junior College    ORGANIZATION

【问题讨论】：

预期输出是什么？试试这个可能有帮助awk '$2 ~ /ORGANIZATION/ && $1 ~ /University|School/' inputfile

为什么这个标签是python？

@PS。 - 不工作。

@ChristianW。 - 如果它不能通过修改它，我想要一个 python 解决方案。

您需要将示例输出添加到问题中，以确保在这里回答的人不会浪费您和他们的时间。

【参考方案1】：

你可以使用sed:

cut -f 1-2 file.txt | sed -n '/(Business|University).*ORGANIZATION/p' > output.txt

这应该匹配所有包含 Business 或 University 和 ORGANIZATION 的行，并打印它们 (p)。

【参考方案2】：

 awk -F"/t" '$1 ~ /University|Business/ && $(NF-1) ~ /ORGANIZATION/' as
Business Administration ORGANIZATION    ,
University of Phoenix   ORGANIZATION    .

如果第一列包含 University OR Business AND 最后一列包含 ORGANIZATION，则打印该行。这里它说的最后一列，但它的倒数第二列，实际的最后一列是命令/句号。

*在这里您可以更改列号以获得所需的结果。 这只是awk的方式或写法。

【讨论】：

因为那一栏应该有“college”。举一个例子，其中第一列包含“college”，最后一列包含“ORGANIZATION”，并且无法打印该行。

不适用于此：维克多谷初级学院组织。整个维克多谷初级学院是第一列，组织由制表符分隔。

因为这里的第一列是“维克多”而不是大学。大学是第 4 列。

我的评论对你有意义吗，我不想浪费你的时间？

确实如此，我认为您的输入未正确使用制表符分隔。我可能错了。尝试awk -F $'\t' 'print $1' 或awk -v FS=$'\t' 'print $1' 会打印错误的数据。