0

Imaginemos que tengo un fichero csv con las variables (columnas) Nombre y Trabajo, tal que:

Pedro   Ingeniero
Juan    Electricista
Antonio Electricista
Jose    Arquitecto
Roberto Ingeniero

¿Habría alguna manera de utilizar sed para poder ver el campo Trabajo y el número de observaciones que tiene cada uno o no es posible? Es que estoy buscando por internet como filtrar por campos y contar los registros mediante sed pero por ahora no he tenido mucho éxito en mi búsqueda.

Siguiendo con el ejemplo, la salida deseada sería:

Ingeniero 2,
Electricista 2,
Arquitecto 1.

Gracias de antemano.

3 respuestas 3

1

Sed es una herramienta para parsear streams (no en vano, es stream editor, s-ed). Para procesar datos y operar con ellos es mejor hacer combinación con sort y demás, como hiciste. O bien usar algo más complejo como Awk, Perl o vete a saber qué.

En este caso, Awk nos lo hace de una forma bastante elegante:

awk '{contador[$2]++} END{for(item in contador) print item, contador[item]}' fichero

Donde:

  • {contador[$2]++}
    Define un array contador[] cuyos índices son la 2.ª columna de tu fichero. Cada vez que hay un elemento tipo "Ingeniero", "Electricista" o demás, el array suma uno a contador[Ingeniero], de modo que finalmente acaba teniendo valores del tipo contador[Ingeniero]=2, contador[Arquitecto]=1 y demás.

  • END{for(item in contador) print item, contador[item]}
    Una vez ha terminado de recorrer el fichero, se ejecuta el bloque END{}. En él, iteramos sobre el contenido del array contador[] e imprimimos el valor de cada uno de los registros que hemos almacenado.

En tu caso, devuelve:

Electricista 2
Arquitecto 1
Ingeniero 2
1
1

Al final he visto que no se puede hacer lo que quiero utilizando explícitamente sed, así que lo que he hecho es borrar los espacios en blanco con sed y he utilizado cut, sort y uniq para contar las líneas que estaban repetidas:

sed '/^$/d' fichero.csv | cut -d ',' -f2 | sort | uniq -c | sort -nr

1

También puedes intentar con esto:

$ awk '$0=$2' profesiones | sort | uniq -c

El cual sólo aplica un truco sucio con awk donde el segundo campo se le convierte en todo registro. Luego la salida se ordena con sort y posteriormente se cuentan las ocurrencias con uniq -c.

Resultando en:

  1 Arquitecto
  2 Electricista
  2 Ingeniero

Ahora que, si de verdad amas sed con todo tu corazón, o es asunto de vida o muerte, puedes utilizar este script que adapté de esta respuesta:

#!/bin/sed -rnf

#  Descomenta y comenta según quieras saber las coincidencias de
#+ tal o cual profesión
/Electricista$/! be
#/Ingeniero$/! be
#/Arquitecto$/! be

x
/^$/ s/^.*$/0/
/^9*$/ s/^/0/
s/.9*$/x&/
h
s/^.*x//
y/0123456789/1234567890/
x
s/x.*$//
G
s/\n//
h

:e

$ {x;p}

Sólo guardalo en un archivo llamado sed_script (o como quieras), dale permisos de ejecución con chmod u+x sed_script.

Finalmente ejecutalo seguido del nombre de tu archivo:

$ ./sed_script profesiones # Tu archivo se llama "profesiones"
2

Como indican los comentarios en el script, comenta y descomenta según quieras tal o cual profesión.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.