☰

Extraia as duas primeiras partes de cada linha usando awk

tag-icon • tag-icon awk sed
Extraia as duas primeiras partes de cada linha usando awk

Eu tenho um arquivo delimitado por espaço parecido com este:

0   22:16050847:T:C 0   16050847
0   rs62224609:16051249:T:C 0   16051249
0   22:16051250:G:A 0   16051250
0   GSA-rs138295790 0   16057310

Como posso modificar a segunda coluna para extrair apenas as duas primeiras partes? Eu gostaria que minha saída fosse assim:

0   22:16050847 0   16050847
0   rs62224609:16051249 0   16051249
0   22:16051250 0   16051250
0   GSA-rs138295790 0   16057310

Responder1

Curtoestranhoabordagem:

awk '{split($2,a,":"); $2=(length(a)>1)? a[1]":"a[2] : $2}1' file

A saída:

0 22:16050847 0 16050847
0 rs62224609:16051249 0 16051249
0 22:16051250 0 16051250
0 GSA-rs138295790 0 16057310
  • split($2,a,":")- divida o segundo campo em array apor separador:

Responder2

Se você possui o GNU awk:

gawk '{split($2,a,/[:-]/,c); $2 = sprintf("%s%c%s", a[1], c[1], a[2])} 1' file
0 22:16050847 0 16050847
0 rs62224609:16051249 0 16051249
0 22:16051250 0 16051250
0 GSA-rs138295790 0 16057310

Responder3

Com perl:

perl -lpe 's/^\S+\s+[^:]+:[^:]+\K\S+//' file

Com GNU sed:

sed -E ':t s/:\w+//2; tt' file

Saída:

0   22:16050847 0   16050847
0   rs62224609:16051249 0   16051249
0   22:16051250 0   16051250
0   GSA-rs138295790 0   16057310

Responder4

Bash:

while read -r f1 f2 rest; do
   printf '%s' "$f1" "$(expr " $f2" : '\([^:]*:[^:]*\).*' \| " $f2")" "$rest"; echo
   # the lone echo provides for the newline
done < yourfile

readdividirá os campos em $f1, $2e todos os restantes serão agrupados em $rest. Em seguida, no segundo campo $f2, executamos exprpara extrair o primeiro e o segundo campos delimitados por dois pontos. Se isso não for possível, acabamos usando a $f2própria variável.

Sed:

sed -e '
   s/[^[:space:]]\{1,\}/\
&\
/2
   :loop
      s/\n\(.*:.*\):.*\n/\n\1\n/
   tloop
   s/\n//g
' yourfile

Primeiro envolvemos o segundo campo \ne, em seguida, executamos um loop em torno desta região até que restem apenas dois campos (ou um delimitador de campo).

Perl:

perl -pe 's/\G[^:\h]+:[^:\h]+\K\S+//,next while /\S\h+\S/g' yourfile

perl -pe 's/^\h*\S+\h+(?:(?!:)\S)+:(?:(?!:)\S)+\K\S+//' yourfile

perl -F'(\h+)' -lane '
   /:/ and $_ = join ":", (/[^:]+/g)[0,1] for $F[/^\h/?4:2];
   print @F;
' yourfile

Resultado

0   22:16050847 0   16050847
0   rs62224609:16051249 0   16051249
0   22:16051250 0   16051250
0   GSA-rs138295790 0   16057310

informação relacionada