根据包含数字和不包含数字的行对 CSV 中的行进行排序

Posted 2023-02-24

【中文标题】根据包含数字和不包含数字的行对 CSV 中的行进行排序

【英文标题】：Sorting the lines in a CSV according to those containing numbers and those without

【发布时间】：2012-02-17 13:25:28

【问题描述】：

我有一个 4 列的 CSV 文件。我想对这些行进行排序，以便将第三列中某处包含任何数字的行推到文档的末尾，将第三列中没有数字的行放在开头。如何以这种方式对文件进行排序？

更新：

为了澄清，我需要在第三列的字母中移动包含任何数字（即匹配[0-9]）的行（该行的第三列可能包含其他符号）。空格并不重要。例如

dog, eats chicken, has 4 legs, does not like cats
cat, eats mice, has a tail, does not like water
mouse, eats bugs, has 4 legs, does not like cats
elephant, eats peanuts, has a trunk, does not like mice

将被排序到：

cat, eats mice, has a tail, does not like water
elephant, eats peanuts, has a trunk, does not like mice
dog, eats chicken, has 4 legs, does not like cats
mouse, eats bugs, has 4 legs, does not like cats

【参考方案1】：

这将保持处理行的顺序以及不使用管道和外部命令。

awk -F, '
$3~/[0-9]+/a[++i]=$0;x=i;next1
ENDfor(i=1;i<=x;i++) print a[i]' file

输入文件：

[jaypal:~/Temp] cat file
dog, eats chicken, has 4 legs, does not like cats
cat, eats mice, has a tail, does not like water
mouse, eats bugs, has 4 legs, does not like cats
elephant, eats peanuts, has a trunk, does not like mice

测试：

[jaypal:~/Temp] awk -F, '
$3~/[0-9]+/a[++i]=$0;x=i;next1
ENDfor(i=1;i<=x;i++) print a[i]' file
cat, eats mice, has a tail, does not like water
elephant, eats peanuts, has a trunk, does not like mice
dog, eats chicken, has 4 legs, does not like cats
mouse, eats bugs, has 4 legs, does not like cats

【讨论】：

我尝试使用awk 和mawk，但得到“第 1 行：END 或附近的语法错误”和“第 1 行：对数组 a 的非法引用”。

这很奇怪……我尝试了awk 和gawk，它没有报告任何错误。您是否对脚本进行了任何更改？

很抱歉，看起来 length(a) 引用导致您的 awk 版本出现问题。您能否尝试更新的解决方案。我进行了更改以删除该功能。

【参考方案2】：

这是 awk 中的一个简短的 1-liner，不需要调用其他实用程序，例如 sort

awk -F',' '$3 ~ /[[:digit:]]/a[$0];next1; ENDfor(i in a)print i' ./infile

说明

如果第三个字段包含数字，则将当前行作为键存储在数组“a”中并处理下一行 如果所有行不符合上述规则，则按原样输出 处理完所有行后，输出我们存储在数组“a”中的行

输出

$ awk -F',' '$3 ~ /[[:digit:]]/a[$0];next1; ENDfor(i in a)print i' ./infile
cat, eats mice, has a tail, does not like water
elephant, eats peanuts, has a trunk, does not like mice
mouse, eats bugs, has 4 legs, does not like cats
dog, eats chicken, has 4 legs, does not like cats

【讨论】：

这段代码似乎只对第三行仅包含数字的行进行排序。我需要对至少包含一个数字的行进行排序，但它们可能在同一单元格中有其他字符。

你试过运行它吗？它适用于您的新示例输入。正则表达式$3 ~ /[[:digit:]]/ 匹配任何包含至少一位数字的第三个字段，而不管它主要包含的其他内容。

【参考方案3】：

这样的事情应该可以工作：

awk 'BEGIN FS=","; OFS=","; print match($3,/[0-9]/), $0' <file> | sort | cut -d, -f2-

策略是

使用awk在每行的开头插入找到数字的索引（如果没有找到数字，则为0） 使用sort对所有行进行排序 最后，使用cut 删除awk 前面的数字。

【讨论】：

我需要在第三列中搜索至少包含一个数字的单元格，而不仅仅是只包含数字的单元格。

@Village 我明白了，我已经修改了我的答案以考虑到这一点。

【参考方案4】：

这可能对你有用：

sed 'h;s/,/\n/2;s/.*\n/0/;s/,.*//;s/[^0-9]//g;G;s/\n/\t/' file | 
sort -k1,1n -k2 | 
cut -f2

解释：

使用第 3 列中的数字生成数字键（如果没有，则将键设置为 0） 按上述键排序，再按原文件排序 去掉数字键

【讨论】：

|放在行尾是什么意思？

@Village 这是管道命令。这是一个单行解决方案，我只是将其拆分以使其更易于阅读，