如何为zgrep的每个匹配模式单独限制结果数而非全局限制？

你遇到的问题是zgrep的-m选项是全局统计匹配总数，不是给每个模式单独设置上限。这里给你几个实用方案，按效率从高到低排序：

方案1：用awk+zcat高效处理（首推） #

awk能轻松实现按模式单独计数，达到指定次数后就不再处理该模式，而且只需要遍历一次压缩文件，1000个模式也能快速跑起来。命令如下：

zcat /projects/incoming/SRR80527_2.gz | awk -v max=10 '
BEGIN {
    # 先把所有模式读进数组，初始化每个模式的匹配计数为0
    while ((getline pat < "/projects/test.indx") > 0) {
        patterns[pat] = 0
    }
    close("/projects/test.indx")
}
{
    # 逐行检查每个未达上限的模式
    for (p in patterns) {
        if (match($0, p)) {
            # 输出匹配到的内容（对应zgrep的-o）
            print substr($0, RSTART, RLENGTH)
            patterns[p]++
            # 达到上限就删掉这个模式，后续不再检查
            if (patterns[p] >= max) {
                delete patterns[p]
            }
            # 如果一行可能匹配多个模式，想都处理就删掉下面的break
            break
        }
    }
    # 所有模式都达标了就直接退出，不用继续读文件
    if (length(patterns) == 0) exit
}'

• max=10就是每个模式要限制的匹配数，改数字就行
• 如果你的模式是精确匹配（不是正则），把match($0, p)改成$0 == p更准确
• 这个方案比循环1000次grep快太多，毕竟只读一次压缩文件

方案2：循环每个模式单独执行zgrep（简单但低效） #

如果图省事，也可以遍历模式文件里的每一行，单独跑zgrep -m10。但这样要执行1000次zgrep，每次都得重新打开压缩文件，大文件的话会很慢，适合模式少的情况：

while read -r pat; do
    zgrep -o -m10 "$pat" /projects/incoming/SRR80527_2.gz
done < /projects/test.indx

方案3：用pcregrep+awk（适合PCRE正则场景） #

如果你的系统装了pcregrep，也可以用这个方法，但要注意如果同一个内容被多个模式匹配，计数会混在一起，不如方案1精准：

zcat /projects/incoming/SRR80527_2.gz | pcregrep -o -f /projects/test.indx | awk -v max=10 '{cnt[$0]++} cnt[$0] <= max'

内容的提问来源于stack exchange，提问作者Ahdee