如何使用awk按特定条件实现文本行列转置？

输入文件内容 #

cat f
"0/35","0eij8401c
"0/35","59ij41015
"0/35","21ij3e01c
"0/35","dbije401b
"1/35","dbij8a015
"1/35","67ijb9011
"1/35","b5ije001b
"1/35","bdij3701d
"2/35","abij3b011
"2/35","7fij70018
"2/35","77ijf9010
"2/35","e5ij64015
"3/35","59ij41015
"3/35","f6ijae01e
"3/35","c4ij5801c
"3/35","dbij98012
"4/35","edij6801e
"4/35","pdij6801e
"4/35","kdij6801e
"4/35","8cij57018

转置规则 #

• 取第1、5、9、13、17行的第二列作为输出第一列
• 取第2、6、10、14、18行的第二列作为输出第二列
• 以此类推，最终生成4行5列的转置结果

期望输出 #

输出1（报表格式） #

"0eij8401c  "dbij8a015  "abij3b011  "59ij41015  "edij6801e
"59ij41015  "67ijb9011  "7fij70018  "f6ijae01e  "pdij6801e
"21ij3e01c  "b5ije001b  "77ijf9010  "c4ij5801c  "kdij6801e
"dbije401b  "bdij3701d  "e5ij64015  "dbij98012  "8cij57018

输出2（单列格式） #

0eij8401c
dbij8a015
abij3b011
59ij41015
edij6801e
59ij41015
67ijb9011
7fij70018
f6ijae01e
pdij6801e
21ij3e01c
b5ije001b
77ijf9010
c4ij5801c
kdij6801e
dbije401b
bdij3701d
e5ij64015
dbij98012
8cij57018

当前尝试的方法 #

方法1：Awk拆分+Paste合并 #

通过Awk将每行第二列按每4行拆分到不同文件：

cat f | awk -v batchNo=1 -v Num=4 '{print $1 > "batch_" batchNo ".txt";if(NR%Num==0) {batchNo++}}'

生成5个中间文件：

ls batch_*
batch_1.txt  batch_2.txt  batch_3.txt  batch_4.txt  batch_5.txt

再用Paste合并得到报表格式输出：

paste batch_1.txt batch_2.txt batch_3.txt batch_4.txt batch_5.txt

该方法能得到期望输出1，但依赖中间文件，需要纯Awk实现方案。

方法2：尝试的纯Awk命令（未成功） #

awk '{a[$1]++; b[$2]++;c[$3]++;d[$4]++;e[$5]++} END {for (k in a) print k > "out.txt"; for (j in b) print j > "out.txt";for (k in c) print j > "out.txt";for(l in d) print l> "out.txt"; for (m in e) print m> "out.txt";}' batch_*

未得到理想结果。

纯Awk解决方案 #

实现期望输出1（报表格式） #

核心思路：用二维数组存储每行第二列，行索引为(NR-1)%4，列索引为int((NR-1)/4)，最后按行输出数组内容：

awk -F, '{arr[(NR-1)%4][int((NR-1)/4)] = $2} END {for(i=0;i<4;i++){for(j=0;j<5;j++){printf "%s  ", arr[i][j]} print ""}}' f

• -F,：指定逗号为分隔符，提取第二列$2
• (NR-1)%4：计算当前行对应的输出行号（0-3）
• int((NR-1)/4)：计算当前行对应的输出列号（0-4）
• 遍历数组按行输出，每列用两个空格分隔

实现期望输出2（单列格式） #

核心思路：按列遍历二维数组，依次输出元素，同时可选择去掉引号：

awk -F, '{arr[(NR-1)%4][int((NR-1)/4)] = $2} END {for(j=0;j<5;j++){for(i=0;i<4;i++){sub(/"/,"",arr[i][j]); print arr[i][j]}}}' f

• sub(/"/,"",arr[i][j])：去掉字符串两端的引号（不需要可省略）
• 先按列索引遍历，再按行索引遍历，实现目标单列顺序

内容的提问来源于stack exchange，提问作者VIPIN KUMAR