使用AWK提取文件中各元素的第N次出现行（以第2次为例）

目标文件内容 #

AAACGCTGTGTCATTG-1-pere,1,2
AAACGCTTTGTCATTG-1-pere,3,6
AAACGCTATGTCATTG-1-pere,3,4
AAACGCTCTGTCATTG-1-mele,2,1
AAACGCTFTGTCATTG-1-pere,5,8
AAACGCTHTGTCATTG-1-mele,5,3
AAACGCTJTGTCATTG-1-mele,9,8
AAACGCTKTGTCATTG-1-arance,7,7
AAACGCTVTGTCATTG-1-arance,1,1

需求说明 #

提取文件中每个元素（指pere、mele、arance这类标识）的第2次出现的整行，预期输出如下：

AAACGCTTTGTCATTG-1-pere,3,6
AAACGCTHTGTCATTG-1-mele,5,3
AAACGCTVTGTCATTG-1-arance,1,1

注：$1字段的前缀内容不固定，仅需关注最后一个-后的元素标识。

问题分析 #

你修改原有AWK命令时犯了两个错误：一是误用赋值运算符=代替比较运算符==，导致语法错误；二是硬编码substr($1,20)的起始位置，无法适配前缀长度变化的场景。

正确实现命令 #

通用版（适配任意前缀长度） #

awk -F, '{ elem = substr($1, rindex($1, "-") + 1) } a[elem]++ == 1' input.txt

硬编码位置版（仅兼容当前文件，不推荐） #

如果坚持使用固定起始位置，修正后的命令为：

awk -F, 'a[substr($1,20)]++ == 1' input.txt

命令解释 #

1. 元素提取：rindex($1, "-")定位$1中最后一个-的位置，substr($1, rindex($1, "-") + 1)提取后续的元素标识，避免硬编码位置的局限性。
2. 次数判断：数组a用于统计每个元素的出现次数，a[elem]++是后置自增——第二次出现时，自增前的值为1，此时a[elem]++ == 1条件成立，输出当前行。
3. 扩展到第N次：若要提取第N次出现的行，只需将== 1改为== N-1，比如提取第3次就写== 2。

内容的提问来源于stack exchange，提问作者pino