基于第一列提取第三列值为0的连续区间首尾行（孤立行重复输出）

原始输入文件 #

1    1    1
1    2    5
1    3    0
1    4    0
1    5    0
1    6    3
1    7    4
1    8    0
1    9    0
2    1    0
2    2    0
2    3    1
2    4    0
3    1    1
3    2    1
3    3    2

需求说明 #

• 提取第三列值为0的连续行的首行与末行；
• 若某行第三列为0且前后无同值行，需重复输出该行；
• 按第一列分组处理：当第一列值变化时，即使第三列仍为0，也需视为新的0值区间。

期望输出 #

1    3    0
1    5    0
1    8    0
1    9    0
2    1    0
2    2    0
2    4    0
2    4    0

当前使用的awk脚本 #

awk '
function print_prev() {
   if (prevline) print prevline
   prevline=""
}
$3!=0 { print_prev() }
$3==0 { if (prev3!=$3) print
      prevline=$0
      }
      { prev3=$3 }
END   { print_prev() }
' test.txt

当前脚本输出 #

1    3    0
1    5    0
1    8    0
2    2    0
2    4    0
2    4    0

当前脚本未处理第一列分组逻辑，导致跨分组的0区间被错误合并，比如1 8 0到2 2 0被当成一个区间，未按分组拆分为两个独立区间输出首尾行。

awk '
# 输出当前0区间的首尾行，单一行则重复输出
function print_zero_range() {
    if (in_zero) {
        print startline
        # 首尾同一行则重复输出
        if (startline == currline) {
            print currline
        } else {
            print currline
        }
        in_zero = 0
    }
}

# 触发区间结束的情况：当前行第三列非0，或者第一列与上一行不同且处于0区间
$3 != 0 || ($1 != prev1 && in_zero) {
    print_zero_range()
}

# 处理0值行
$3 == 0 {
    # 若当前不在0区间，记录起始行
    if (!in_zero) {
        startline = $0
        in_zero = 1
    }
    # 更新当前行（区间末行）
    currline = $0
}

# 记录上一行的第一列值
{ prev1 = $1 }

# 处理文件末尾剩余的0区间
END {
    print_zero_range()
}
' test.txt

修正说明 #

1. 新增prev1变量跟踪上一行的第一列值，用于判断分组变化；
2. 用in_zero标记是否处于0值区间，startline记录区间首行，currline记录区间当前行（即末行）；
3. 当遇到非0值行，或者第一列变化且当前处于0区间时，调用print_zero_range输出区间首尾；
4. 单一行的0区间会重复输出该行，满足需求；
5. END块确保文件末尾的0区间被处理。

修正后输出 #

1    3    0
1    5    0
1    8    0
1    9    0
2    1    0
2    2    0
2    4    0
2    4    0

内容的提问来源于stack exchange，提问作者pedro