☰

manter apenas uma certa parte de uma string em uma determinada coluna

tag-icon • tag-icon sed awk grep string
manter apenas uma certa parte de uma string em uma determinada coluna

Eu tenho um arquivo como este:

id  target_id                               length  eff_length
1   intron_FBgn0000721:20_FBgn0000721:18    1136    243.944268
1   intron_FBgn0000721:19_FBgn0000721:18    1122    240.237419
2   intron_FBgn0264373:2_FBgn0264373:3      56      0
3   intron_FBgn0027570:4_FBgn0027570:3      54      0

Para a 2ª coluna target_id, quero manter apenas a string (nem sempre FBgnXXXX, às vezes outros nomes) entre intron_e a primeira :. Portanto, o novo arquivo de saída terá o valor mais simples para a coluna 2, mas o restante do arquivo permanecerá o mesmo.

Tentei com o comando sed, mas não sei como deletar a parte que não preciso.

Responder1

Usando sede column:

$ sed -E 's/ intron_([^:]*):[^[:space:]]*/ \1/' file | column -t
id  target_id    length  eff_length
1   FBgn0000721  1136    243.944268
1   FBgn0000721  1122    240.237419
2   FBgn0264373  56      0

A parte principal disso é o comando substituto:

s/ intron_([^:]*):\S*/ \1/

Ele procura intron_e salva tudo antes intron_e depois dos primeiros dois pontos na variável 1. [^[:space:]]*corresponde a tudo, desde os dois pontos até o final do campo. Tudo isso é substituído pelo texto salvo na variável 1.

Usando awkcom saída separada por tabulações:

$ awk -v "OFS=\t" '{$2=$2;sub(/intron_/, "", $2); sub(/:.*/, "", $2); print}' file
id      target_id       length  eff_length
1       FBgn0000721     1136    243.944268
1       FBgn0000721     1122    240.237419
2       FBgn0264373     56      0

Explicação:

  • -v "OFS=\t"

    Isso define o separador do campo de saída como uma guia. Isso ajuda a alinhar as colunas, possivelmente tornando columndesnecessárias.

  • $2=$2

    Ao imprimir uma linha, awknão mudaremos para nosso separador de campo de saída recém-especificado, a menos que alteremos algo na linha. Atribuir o segundo campo ao segundo campo é suficiente para garantir que a saída terá tabulações.

  • sub(/intron_/, "", $2)

    Isso remove intron_do segundo campo.

  • sub(/:.*/, "", $2)

    Isso remove tudo após os primeiros dois pontos do segundo campo.

  • print

    Isso imprime nossa nova linha.

Usando awkcom formatação de coluna personalizada

É semelhante ao anterior, mas é usado printfpara que possamos formatar larguras e alinhamentos de colunas conforme desejado:

$ awk  '{sub(/intron_/, "", $2); sub(/:.*/, "", $2); printf "%-3s %-12s %8s %3s\n",$1,$2,$3,$4}' file
id  target_id      length eff_length
1   FBgn0000721      1136 243.944268
1   FBgn0000721      1122 240.237419
2   FBgn0264373        56   0

Aqui a instrução printf "%-3s %-12s %8s %3s\n",$1,$2,$3,$4seleciona larguras e alinhamentos de colunas no printfestilo usual.

Usando sede convertendo de separado por tabulação para separado por vírgula

$ sed -E 's/ intron_([^:]*):[^[:space:]]*/ \1/; s/[[:space:]][[:space:]]*/,/g' file 
id,target_id,length,eff_length
1,FBgn0000721,1136,243.944268
1,FBgn0000721,1122,240.237419
2,FBgn0264373,56,0

Responder2

Você pode usar perl:

$ perl -anle '
    BEGIN {$" = "\t"}
    print "@{[@F]}" and next if $. == 1;
    $F[1] = $1 if /_([^:]*):/;
    print "@{[@F]}";
' file
id  target_id   length  eff_length
1   FBgn0000721 1136    243.944268
1   FBgn0000721 1122    240.237419
2   FBgn0264373 56      0
3   FBgn0027570 54      0

Explicação

  • -a: divide automaticamente cada linha em array @F.

  • BEGIN {$" = "\t"}: definimos o separador de lista como tab \t, ele é usado quando um array ou fatia de array é interpolado em uma string entre aspas duplas.

  • print "@{[@F]}" and next if $. == 1: Imprimimos o cabeçalho e processamos para a próxima linha.

  • $F[1] = $1 if /_([^:]*):/: obtemos o valor entre _e primeiro :, salvamos no segundo elemento em @F.

  • print "@{[@F]}": basta imprimir o outpur desejado.

Responder3

sed -e 'h;s/.*intron_[^:]*\(:[^[:space:]]*\).*/\1/;s/./ /g;;G;;s/\(.*\)\n\(.*\)intron_\([^:]*\):[^[:space:]]*/\2\3\1/' YourFile

Em 1 sed (sem cano) mantendo a coluna. Ele usa o buffer de retenção

Versão Posix (assim --posixem GNU sed)

informação relacionada