寻找连续子序列 已解决

sequencing

有0和非0数据形成的序列，如下格式：

1. 1
   
2. 2
   
3. 2
   
4. 2
   
5. 23
   
6. 4
   
7. 0
   
8. 0
   
9. 2
   
10. ......

复制代码

想找出连续超过1000个不为0的子序列（100个允许出现一个0）并返回其起始和终止行，请各位大侠帮忙！
PS：二楼的大侠，我改了要求，您再看下

ywlscpl

awk -v RS='\n0' 'NF>=1000' <(awk '!n++{print ""}1' file)

rdcwayx

1. awk -v s=0 '
   
2. $1==0 {s=0;next}
   
3. { if (s==0) {a="Start line:" NR FS $0; s++}
   
4.   else {if (s==999) {print a; print "end line:" NR FS $0;s=0}
   
5.        else {s++}
   
6.      }
   
7. }' infile

复制代码

ywlscpl

100个允许出现一个0

这是一个很模糊的说法

sequencing

回复 6# ywlscpl


    不好意思，没说清楚，跟5楼的哥们说的差不多
找出这种序列，长度n，（n>=1000），其中>0的个数至少为int（n-n/100+1）个，而且在这个序列中任何连续100项中0出现的次数不超过1

ywlscpl

回复 7# sequencing

try:
边界的处理上有点问题，修正如下

1. awk 'BEGIN{start=1}$1=="0"{if (NR-last+1<=100) {if (NR-1-start+1>=1000) {printf "%-10s -> %10s\n",start,NR-1;start=NR}else start=last+1}last=NR}END{if (NR-start+1>=1000) printf "%-10s -> %10s\n",start,NR}' file

复制代码

sequencing

回复 8# ywlscpl


    高手，佩服！
能否说下大概思路，看不大明白，谢谢！

ywlscpl

回复 9# sequencing

要求是：找出这种序列，长度n，（n>=1000），其中非0的个数至少为int（n-n/100+1）个，而且在这个序列中任何连续100项中0出现的次数不超过1

即满足两个条件即可：
1、序列长度>=1000
2、此序列中，任意挑连续100个数，其中出现数为0的次数最多只能为1个

1. awk 'BEGIN{start=1}$1=="0"{if (NR-last+1<=100) {if (NR-1-start+1>=1000) {printf "%-10s -> %10s\n",start,NR-1;start=NR}else start=last+1}last=NR}END{if (NR-start+1>=1000) printf "%-10s -> %10s\n",start,NR}' file

复制代码

设定序列起始行号为变量start，变量last用于记录当行为0时的行数

对于上面两个条件，既变成：
1、当前行-起始行+1>=1000
2、这个条件的实现其实就是：相邻两个为0的行之间的序列长度必须>100，这样就满足了“任意挑连续100个数，其中出现数为0的次数最多只能为1个”，相邻两个为0的行之间的序列长度：NR-last+1>100，不满足这个条件即 NR-last+1<=100

流程分析：当行为0时（$1=="0"）
1、条件2不满足了（if (NR-last+1<=100)）：判断条件1是否满足（if (NR-1-start+1>=1000) ），满足条件1则打印该序列（print start,NR-1），并置变量start为当前行数NR（新序列的开始）；不满足条件1，则置变量start为上一为0行的下一行（新序列开始）。
2、条件2满足：继续当前序列的延续，只需last=NR