Dotaz: vypsat řádky se stejným polem z cvs souboru

[hajoucha]

Ahojda, mám soubor cvs (comma separated value) a potřebuji vypsat řádky, na kterých je stejná třetí položka. Jak na to nejlépe? Dokážu pomocí awk, sort a uniq -d vypsat příslušné položky, ale bohužel právě jenom ty položky, nikoliv celý řádek. Řádků bude nejvýše 2200 a budou dlouhé max 150 znaků.

---

---

Odpovědi

[rastos]

Čo myslíš tým 'stejná'? Ak tým myslíš, riadky ktoré majú napr. v 2. stĺpci slovo 'foo' tak:

awk -F , '{ if ( $2 == "foo" ) print $0 } ' < sbor.csv

[hajoucha]

myslím tím řádky typu:

ahoj, prase, jsi, tu?
nazdar, prase, nejsem.

běžela, liška, polem
tahle, liška, je, mazaná

Tj. když se v souboru vyskytují řádky se stejnou druhou položkou, tak je vypsat. Jde mi o to zjistit jestli, a které takové jsou.

Taky by se dalo říct, že je potřeba soubor "seřadit podle druhé položky", pak "uniq -d taky podle druhé položky", ale tak, aby se vypsal celý řádek, nikoliv jenom druhá položka.

[l4m4]

Popis uniq ... aby se vypsal celý řádek, nikoliv jenom druhá položka nedává tak úplně smysl.

Buď chceš vypsat každou unikátní druhou položku právě jednou -- pak je zapotřebí definovat, který konkrétní z mnoha řádků, na kterých se vyskytuje, se má vypsat.

Nebo chceš vypsat všechny takové řádky, ale pak ta operace neobsauje žádný uniq, je to prostě sort -t, -k2.

[hajoucha]

jo, nebyl to šťastný nápad. uniq to prostě neumí, neměl jsem to zmiňovat.

sort -t, -k2 seřadí ten soubor, ale vypíše ho celý. Já bych rád vypsal jenom ty řádky, jejichž druhé pole není v souboru unikátní.

[Kit]

Vytvoř si asociativní pole. V cyklu přečti ze vstupu jeden řádek a vyber z něj klíč. Pokud je klíč již obsažen v poli, vypiš záznam z pole i řádek ze vstupu. V opačném případě přidej záznam do pole[klíč].

Nejlépe to půjde asi s AWK.

[František Bublík]

A co takle?

cut -d";" -f4 soubor.csv | grep prase

(v případě, že delimiter je středník)

[hajoucha]

nevím dopředu, co mám grepovat. Chci najít duplicity, nevím kolik jich je, ani jaké jsou.

[hajoucha]

tohle vypadá slibně, díky! Vyzkouším to.

[Šangala]

Jestli je to obecné CSV-čko, tak aby to bylo zábavné tak:

běžela," červená, malá a ""drzá"" liška", zoraným, polem
tahle," červená, malá a hubatá liška", je, mazaná.

jsou dva záznamy o čtyřech sloupcích, takže parser řádku musí být trochu „chytřejší“.

[Kit]

Pokud by to mělo být obecné CSV, tak bych použil asi raději PHP.

[marek]

Dobry den.

pomoci napr. "awk, sort a uniq -d" ziskate jednotlive polozky, potom holt "man join".

Marek

[hajoucha]

csvfix unique -f 3 -d

[hajoucha]

paráda, funguje báječně, díky!