Cómo obtener filas cuya enésima columna contiene la enésima columna

9

Tengo un archivo CSV que contiene dominios y correos web, como este:

site1.com,mail.site1.com
site2.com,testmail.com
site3.com,mx.site3.com
site4.com,smtp.site4.com
site5.com,foomail.com
site6.com,barmail.com
site7.com,webmail.site7.com
site8.com,01mx.site8.com
site9.com,foobarmail.com
site10.com,mx-smtp222.site10.com

Quiero obtener filas donde la columna de webmails contiene la columna de dominios de la misma fila. Para el ejemplo anterior, la salida debería ser:

site1.com,mail.site1.com
site3.com,mx.site3.com
site4.com,smtp.site4.com
site7.com,webmail.site7.com
site8.com,01mx.site8.com
site10.com,mx-smtp222.site10.com
alrz
fuente

Respuestas:

11

Con awk:

awk -F, '$2 ~ $1"$"' file.csv
  • -F, establece el separador de campo como ,

  • $2 ~ $1"$"prueba si el segundo campo termina con el primer campo; si es así, imprima el registro (acción predeterminada)


Con grep, greppor defecto imprimir solo líneas coincidentes:

grep -E '^([^,]+),.*\1$' file.csv

Con sedlíneas de impresión que coinciden con la condición:

sed -nE '/^([^,]+),.*\1$/ p' file.csv

Ejemplo :

% cat file.txt
site1.com,mail.site1.com
site2.com,testmail.com
site3.com,mx.site3.com
site4.com,smtp.site4.com
site5.com,foomail.com
site6.com,barmail.com
site7.com,webmail.site7.com
site8.com,01mx.site8.com
site9.com,foobarmail.com
site10.com,mx-smtp222.site10.com

% awk -F, '$2 ~ $1"$"' file.txt
site1.com,mail.site1.com
site3.com,mx.site3.com
site4.com,smtp.site4.com
site7.com,webmail.site7.com
site8.com,01mx.site8.com
site10.com,mx-smtp222.site10.com

% grep -E '^([^,]+),.*\1$' file.txt
site1.com,mail.site1.com
site3.com,mx.site3.com
site4.com,smtp.site4.com
site7.com,webmail.site7.com
site8.com,01mx.site8.com
site10.com,mx-smtp222.site10.com


% sed -nE '/^([^,]+),.*\1$/ p' file.txt 
site1.com,mail.site1.com
site3.com,mx.site3.com
site4.com,smtp.site4.com
site7.com,webmail.site7.com
site8.com,01mx.site8.com
site10.com,mx-smtp222.site10.com
heemayl
fuente