基于Error字段条件的awk文件解析与更新技术问询

• 处理规则：
  • 若第7字段（Error字段）包含new或update，需提取其中aaa+数字格式的编号填入第5字段（ID2），并将第6字段（Status）设为"New"
  • 若第7字段不含上述关键词，则跳过更新，保留原字段内容（空字段保持为空）
• 数据结构（制表符分隔，字段顺序）：#、xxx、ID、Pos、ID2、Status、Error、Comment

输入文件示例 #

#,xxx,ID,Pos,ID2,Status,Error,Comment
135,,ABCD1,153740155,,,[Cells: AH8] ....
135,,ACADVL,7222674,,,[Cells: F9-J9] location (1) is inconsistent with (3)
135,,ACP5,11575174,,,"[Cells: D11-T11, AB11-AD11] This record is new and update, submitted aaa000000001 already.,aaa
136,,ACTA2,88943843,,,"[Cells: D12-T12, AB12-AD12] This record is new and update, submitted aaa000000002 already.
136,,ACVRL1,51913357,,,[Cells: F140-J140] location (1) is inconsistent with (3),aaa

期望输出示例 #

#,xxx,ID,Pos,ID2,Status,Error,Comment
135,,ABCD1,153740155,,,[Cells: AH8] ....
135,,ACADVL,7222674,,,[Cells: F9-J9] location (1) is inconsistent with (3)
135,,ACP5,11575174,aaa000000001,New,"[Cells: D11-T11, AB11-AD11] This record is new and update, submitted aaa000000001 already.,aaa
136,,ACTA2,88943843,aaa000000002,New,"[Cells: D12-T12, AB12-AD12] This record is new and update, submitted aaa000000002 already.
136,,ACVRL1,51913357,,,[Cells: F140-J140] location (1) is inconsistent with (3),aaa

原脚本问题分析 #

原awk脚本存在以下缺陷：

• 未判断Error字段是否包含new/update，直接处理所有行
• 正则/aaa[0-9]/仅匹配单个数字，无法提取完整的aaa+连续数字编号
• 错误修改了第7字段（Error）的内容，需求要求保留原Error字段
• 循环逻辑冗余，无需循环即可提取目标编号
• Status字段值应为"New"（首字母大写），原脚本写为"new"

修正后的awk脚本 #

BEGIN {
    FS = "\t";                            
    OFS = "\t";
}
# 表头行直接输出，不做处理
NR == 1 {
    print $0;
    next;
}
{
    # 判断Error字段是否包含new或update
    if ($7 ~ /new|update/) {
        # 提取aaa后跟连续数字的完整匹配项
        match($7, /aaa[0-9]+/, arr);
        # 确保提取到有效编号后再更新字段
        if (arr[0] != "") {
            $5 = arr[0];
            $6 = "New";
        }
    }
    # 输出处理后的行（未匹配条件的行保持原样）
    print $0;
}

脚本说明 #

• 表头行直接打印，避免处理逻辑干扰
• 使用$7 ~ /new|update/精准匹配需要处理的行
• 用match()函数结合正则/aaa[0-9]+/提取完整的目标编号
• 仅在成功提取到编号时更新ID2和Status字段，防止空值覆盖
• 完全保留原Error字段内容，符合需求要求

内容的提问来源于stack exchange，提问作者justaguy