awk处理数据，赶快来挑战！

lionfun

有一文本文件内容如下：

1. gggg 15 110 A
   
2. gggg 16 110 A
   
3. gggg 17 110 A
   
4. gggg 18 110 A
   
5. gggg 19 110 A
   
6. gggg 20 110 A
   
7. gggg 1001 110 A
   
8. hhh 1 110 A
   
9. hhh 4 110 A
   
10. hhh 6 110 A
    
11. hhh 7 110 A
    
12. hhh 8 110 A
    
13. hhh 9 110 A
    
14. hhh 10 110 A
    
15. hhh 11 110 A
    
16. hhh 12 110 A
    
17. hhh 13 110 A
    
18. hhh 14 110 A
    
19. hhh 15 110 A
    
20. hhh 16 110 A
    
21. hhh 17 110 A
    
22. hhh 18 110 A
    
23. hhh 19 110 A
    
24. hhh 20 110 A
    
25. hhh 21 110 A
    
26. hhh 21 110 B
    
27. hhh 1002 110 A
    
28. aaaa 1 110 A
    
29. aaaa 2 110 A
    
30. aaaa 3 110 A
    
31. aaaa 4 110 A
    
32. cccc 58 110 A
    
33. cccc 59 110 A
    
34. cccc 60 110 A
    
35. cccc 61 110 A
    
36. cccc 62 110 A
    
37. cccc 63 110 A
    
38. cccc 66 110 A
    
39. cccc 67 110 A
    
40. cccc 68 110 A
    
41. cccc 69 110 A
    
42. cccc 70 110 A
    
43. cccc 71 110 A
    
44. cccc 72 110 A
    
45. cccc 73 110 A
    
46. cccc 74 110 A
    
47. cccc 75 110 A
    
48. cccc 76 110 A
    
49. cccc 77 110 A
    
50. cccc 78 110 A
    
51. cccc 79 110 A
    
52. cccc 80 110 A
    
53. cccc 81 110 A
    
54. cccc 81 110 B
    
55. cccc 81 110 C
    
56. cccc 82 110 C
    
57. cccc 82 110 B
    
58. cccc 82 110 A
    
59. cccc 83 110 A
    
60. cccc 83 110 B
    
61. cccc 83 110 C
    
62. cccc 84 110 A
    
63. cccc 84 110 B
    
64. cccc 84 110 C
    
65. cccc 85 110 A
    
66. cccc 85 110 B
    
67. cccc 85 110 C
    
68. cccc 1001 110 A
    
69. cccc 1001 110 B
    
70. cccc 1002 110 A
    
71. cccc 1003 110 A
    
72. cccc 1003 110 B
    
73. cccc 1004 110 A
    
74. cccc 1004 110 B
    
75. cccc 1005 110 A
    
76. cccc 1006 110 A
    
77. cccc 1007 110 A
    
78. cccc 1008 110 A
    
79. bbbb 1001 110 A
    
80. dddd 1 110 A
    
81. eeee 7 110 A
    
82. eeee 8 110 A
    
83. eeee 9 110 A
    
84. eeee 10 110 A
    
85. eeee 11 110 A
    
86. eeee 12 110 A
    
87. eeee 13 110 A
    
88. eeee 14 110 A
    
89. eeee 1001 110 A
    
90. dd 1 110 A
    
91. dd 1 110 B
    
92. dddd 1 110 A
    
93. ffff 1 110 A
    
94. ffff 2 110 A

复制代码

现在要做如下统计：将第一列相同的第二列数字取出来，如果有连续的数字，不要全部写出来，只要用“-”做个范围即可，其他不连续的照写！最终获得如下结果：

1. hhh:1 4 6-21 1002
   
2. eeee:7-14 1001
   
3. bbbb:1001
   
4. ffff:1-2
   
5. dd:1
   
6. cccc:58-63 66-85 1001-1008
   
7. gggg:15-20 1001
   
8. dddd:1
   
9. aaaa:1-4

复制代码

赶快来挑战吧！

lionfun

先顶！

yinyuemi

1. sort -k1,1 -k2,2n  file |awk '!b[$1" "$2]++{if($1 in a||a[$1]==1){if(t+1!=$2){printf (m==t?"":"-"t)" "$2;m=$2}}else{printf (m==t?"":"-"t)(NR==1?"":"\n")$1": "$2;m=$2;};t=$2;a[$1]++}END{print ""}'
   
2. aaaa: 1-4
   
3. bbbb: 1001
   
4. cccc: 58-63 66-85 1001-1008
   
5. dd: 1
   
6. dddd: 1
   
7. eeee: 7-14 1001
   
8. ffff: 1-2
   
9. gggg: 15-20 1001
   
10. hhh: 1 4 6-21 1002
    

复制代码

cjaizss

挑战两个字大可不必写吧,看到第三列没有用处,那么我想你应该是实际情况中遇到的,然后自己不会写吧

jason680

回复 1# lionfun

没感到有挑战难度....
挑战难度以满分十分的话...难度好像只有三分...
$ awk '{if(a[$1]==""a[$1]=$2;else{n=$2-1;if(match(a[$1],$2))next;if(sub("-"n,"-"$2,a[$1]))next;if(sub(n,n"-"$2,a[$1]))next;a[$1]=a[$1]" "$2}}END{N=asorti(a,b);for(n=0;n++<N print b[n]": "a[b[n]]}' key.txt
aaaa: 1-4
bbbb: 1001
cccc: 58-63 66-85 1001-1008
dd: 1
dddd: 1
eeee: 7-14 1001
ffff: 1-2
gggg: 15-20 1001
hhh: 1 4 6-21 1002

lionfun

回复 4# cjaizss


    谢谢指教，发个帖子而已，我承认我技术差！

lionfun

回复 5# jason680


    谢谢指教，学习了！

lionfun

回复 3# yinyuemi


    谢谢！

expert1

和这个很类似啊。
http://blog.chinaunix.net/space. ... o=blog&id=35771