2041_22T2.Q2

Posted on Edited on In Views: Word count in article: 1.1k Reading time ≈ 1 mins.

一、 读题与需求拆解

1. 数据结构分析：
输入数据通过标准输入 (< enrollments.txt) 传入，为标准的管道符 | 分隔文件，共 5 个字段。
例如：COMP1917|3360379|Costner, Kevin Augustus |3978/1|M

  • 字段 3 (Name)：内部具有二级结构，格式为 [Surname], [First Names]。
  • 字段 5 (Gender)：标识性别，男性为 M。

2. 目标输出：

  • 过滤条件：仅限男性 (male / M)。
  • 提取目标：仅提取姓氏 (Surname)。
  • 后处理：去重 (printed only once) 且按字母序排列 (alphabetical order)。

3. 硬性约束（Technical Constraints）：

  • 必须是单一的 Shell pipeline。
  • 只能使用基础 UNIX 过滤器（如 grep, cut, sort 等）。

二、 技术路线设计

  1. 行级过滤 (Row Filtering)：先用 grep 剔除无关行。
  2. 一级字段提取 (Primary Extraction)：用 cut 按 | 分割，提取包含姓名的整个第 3 列。
  3. 二级字段提取 (Secondary Extraction)：改变分隔符，再次用 cut 按 , 分割，精准剥离出姓氏。
  4. 排序去重 (Sorting & Deduplication)：使用 sort 处理最终文本。

三、 最终脚本与逐级解析

命令实现：

1
2
3
#!/bin/dash

grep '|M$' | cut -d'|' -f3 | cut -d',' -f1 | sort -u

数据流逐级剖析：

  • grep '|M$'
    • 作用：精确过滤男性学生记录。
    • 原理：如果不加修饰直接使用 grep 'M'，会误命中姓名或课程号中带有 M 的行（如 Mary 或 COMP3891）。使用 $ 锚定行尾，并带上前置分隔符 |，构成极严谨的正则表达式，确保只匹配最后一个字段确切为 M 的行。
  • cut -d'|' -f3
    • 作用：提取完整的姓名列。
    • 原理：指定分隔符为管道符 (-d'|')，提取第 3 个字段 (-f3)。此时数据流从完整的注册记录变为了纯姓名列表（如 Costner, Kevin Augustus）。
  • cut -d',' -f1
    • 作用：从姓名中剥离出姓氏。
    • 原理：由于数据规范中明确说明了姓氏由逗号分隔，此时动态切换定界符。指定逗号为分隔符 (-d',') 并提取第 1 个字段 (-f1)。截断逗号及其后方的所有字符，数据流此时仅剩姓氏。
  • sort -u
    • 作用：字典序排序并去重。
    • 原理：sort 默认按 ASCII 字母表顺序对文本行进行排列。附加 -u (unique) 参数，等效于 sort | uniq 管道，在 O(N log N) 的排序过程中顺便完成 O(N) 的去重操作，满足输出规范要求。