☰

切り取りコマンドが整列した列でフィールドを適切に抽出しない

tag-icon • tag-icon text-processing columns cut
切り取りコマンドが整列した列でフィールドを適切に抽出しない

フィールド 3、4、5、8 を切り取る必要があるテキスト ファイルがあります。

219 432 4567 Harrison     Joel     M 4540 Accountant      09-12-1985
219 433 4587 Mitchell     Barbara  C 4541 Admin Asst      12-14-1995
219 433 3589 Olson        Timothy  H 4544 Supervisor      06-30-1983
219 433 4591 Moore        Sarah    H 4500 Dept Manager    08-01-1978
219 431 4527 Polk         John     S 4520 Accountant      09-22-1998
219 432 4567 Harrison     Joel     M 4540 Accountant      09-12-1985
219 432 1557 Harrison     James    M 4544 Supervisor      01-07-2000

デフォルトの区切り文字はタブなので、フィールドを抽出するコマンドは次のようになります。

cut -f 3,4,5,8 filename

問題は、出力が元のファイルの内容と同じであることです。ここで何が起こっているのでしょうか? なぜこれが機能しないのでしょうか?

答え1

列間のスペースはすべてタブではないため、cut必要な操作を実行できません。代わりに を使用することをお勧めします。これは、次のようなデータの列を解析する場合awkよりも柔軟性があります。cut

$ awk '{print $3,$4,$5,$8}' data.txt

例

$ awk '{print $3,$4,$5,$8}' data.txt 
4567 Harrison Joel Accountant
4587 Mitchell Barbara Admin
3589 Olson Timothy Supervisor
4591 Moore Sarah Dept
4527 Polk John Accountant
4567 Harrison Joel Accountant
1557 Harrison James Supervisor

次のコマンドを使用して出力にスペースを入れることもできますcolumn。

$ awk '{print $3,$4,$5,$8}' data.txt |column -t
4567  Harrison  Joel     Accountant
4587  Mitchell  Barbara  Admin
3589  Olson     Timothy  Supervisor
4591  Moore     Sarah    Dept
4527  Polk      John     Accountant
4567  Harrison  Joel     Accountant
1557  Harrison  James    Supervisor

awkとだけを使用してすべてを行うこともできますprintf。

$ awk '{printf "%s\t%-20s\t%s\n",$3,$4" "$5,$8}' data.txt 
4567    Harrison Joel           Accountant
4587    Mitchell Barbara        Admin
3589    Olson Timothy           Supervisor
4591    Moore Sarah             Dept
4527    Polk John               Accountant
4567    Harrison Joel           Accountant
1557    Harrison James          Supervisor

カット再考

上記の方法は問題なく機能しますが、特定の列の値内にスペースがある行は処理されません。たとえば、「Dept Manager」の行は Dept だけに切り詰められます。

データが図示のような構造であることが保証される場合は、cut区切り文字で分割する代わりに、文字の実際の位置を使用して表示することができます。

例

これにより、ファイルからテキストが切り取られdata.txt、位置 9 から 13、14 から 35 などにある内容が印刷されます。

$ cut -c 9-13,14-35,43-58 data.txt 
4567 Harrison     Joel     Accountant      
4587 Mitchell     Barbara  Admin Asst      
3589 Olson        Timothy  Supervisor      
4591 Moore        Sarah    Dept Manager    
4527 Polk         John     Accountant      
4567 Harrison     Joel     Accountant      
1557 Harrison     James    Supervisor

awk 再考

Awk は、区切り文字ではなく位置に基づいてテキストを取り出すこともできます。ただし、より冗長になりますが、完全を期すために、以下にその方法を示します。

$ awk '{
    printf "%s\t%-20s\t%s\n",substr($0,9,5),substr($0,14,22),substr($0,43,16)
  }' data.txt
4567    Harrison     Joel       Accountant      
4587    Mitchell     Barbara    Admin Asst      
3589    Olson        Timothy    Supervisor      
4591    Moore        Sarah      Dept Manager    
4527    Polk         John       Accountant      
4567    Harrison     Joel       Accountant      
1557    Harrison     James      Supervisor

awk フィールド幅

GNU のバリアントを使用している場合は、awk変数を使用してFIELDWIDTHS各フィールドの静的サイズを指定できます。このsubstr方法は、メソッドにアクセスできる場合、はるかに簡潔になります。また、通常は個別のフィールドとして解析されるフィールドを効果的に結合することもできます。

$ awk 'BEGIN { FIELDWIDTHS="4 4 5 24 5 16 11" }{ print $3,$4,$5,$6 }' data.txt 
4567  Harrison     Joel     M  4540  Accountant      
4587  Mitchell     Barbara  C  4541  Admin Asst      
3589  Olson        Timothy  H  4544  Supervisor      
4591  Moore        Sarah    H  4500  Dept Manager    
4527  Polk         John     S  4520  Accountant      
4567  Harrison     Joel     M  4540  Accountant      
1557  Harrison     James    M  4544  Supervisor

答え2

私の推測では、それらはタブではないと思います。それらがタブではないと思う理由は、ファイルをコピーして貼り付け、フィールドを手動で集計すると、正常に機能するように見えるからです。フィールドと値を再集計したくない場合は、cut -f 3,4,5,8 filenameそうしたほうがよいでしょう。cat filename | awk '{print $3, $4, $5, $8}'

関連情報