Pesquisa na coluna específica para padrão e saída da linha inteira

Question

Estou trabalhando no HDFS e estou tentando obter toda a linha onde a quarta coluna começa com o número 5:

100|20151010|K|5001
695|20151010|K|1010
309|20151010|R|5005
410|20151010|K|5001
107|20151010|K|1062
652|20151010|K|5001

Por isso, deve produzir:

100|20151010|K|5001
309|20151010|R|5005
410|20151010|K|5001
652|20151010|K|5001

    

Answer 1

A abordagem mais simples provavelmente seria awk :

awk -F'|' '$4~/^5/' file

O -F'|' define o separador de campo como | . O $4~/^5/ será verdadeiro se o quarto campo começar com 5 . A ação padrão para awk quando algo é avaliado como true é imprimir a linha atual, portanto, o script acima imprimirá o que você deseja.

Outras opções são:

• Perl

  perl -F'\|' -ane 'print if $F[3]=~/^5/' file
  

  Mesma ideia. A opção -a faz com que perl divida seus campos de entrada no valor fornecido por -F na matriz @F . Em seguida, imprimimos se o quarto elemento (campo) da matriz (matrizes começa a contar em 0) começa com 5 .

• grep

  grep -E  '^([^|]*\|){3}5' file 
  

  A regex corresponderá a uma string de não | seguida por | 3 vezes e, em seguida, a 5 .

• GNU ou BSD sed

  sed -En '/([^|]*\|){3}5/p' file 
  

  O -E ativa as expressões regulares estendidas e o -n suprime a saída normal. O regex é o mesmo que o grep acima e o p no final faz com que sed imprima apenas linhas correspondentes à regex.

Answer 2

Isso imprimirá todas as linhas que correspondem a |5 e, depois, não mais | até o final da linha:

grep '|5[^|]*$' <in >out