☰

removendo extensões em uma coluna

tag-icon • tag-icon text-processing sed awk
removendo extensões em uma coluna

Eu tenho um arquivo como este

ILMN_1343291    TGTGTTGAGAGCTTCTCAGACTATCCACCTTTGGGTCGCTTTGCTGTTCG  NM_001402.5
ILMN_1343295    CTTCAACAGCGACACCCACTCCTCCACCTTTGACGCTGGGGCTGGCATTG  NM_002046.3
ILMN_1651209    TCACGGCGTACGCCCTCATGGGGAAAATCTCCCCGGTGACTTTCAGGTCC  NM_182838.1

Quero remover as extensões numéricas do final da terceira coluna para que meu arquivo de saída fique assim

ILMN_1343291    TGTGTTGAGAGCTTCTCAGACTATCCACCTTTGGGTCGCTTTGCTGTTCG  NM_001402
ILMN_1343295    CTTCAACAGCGACACCCACTCCTCCACCTTTGACGCTGGGGCTGGCATTG  NM_002046
ILMN_1651209    TCACGGCGTACGCCCTCATGGGGAAAATCTCCCCGGTGACTTTCAGGTCC  NM_182838

Como posso fazer isso na linha de comando, de preferência usando awk? Posso fazer isso, perlmas tenho certeza de que existe uma única linha de comando para fazer isso.

Responder1

Com awk:

awk -F'.' '{print $1}' file

-Fopção alterar o separador de campo padrão (espaço) para ponto (.).
$1é o índice da posição do campo (com . separador de campo).

{ILMN_1343291    TGTGTTGAGAGCTTCTCAGACTATCCACCTTTGGGTCGCTTTGCTGTTCG  NM_001402}.{5}
                  ^^ field index is $1                                          ^^$2

Com rev e awk:

rev file | awk -F'.' '{print $2}'|rev # reverse characters of each lines,\
                                        print field number 2 with (.) separator \
                                        and reverse the result again

O revutilitário copia os arquivos especificados para a saída padrão, invertendo a ordem dos caracteres em cada linha. Se nenhum arquivo for especificado, a entrada padrão será lida.

Com sed:

sed 's/.[0-9]*$//' file

sed 's/.[^.]*$//' file

$apontar para o fim da linha. No primeiro comando sed, pesquise char(.) seguido por zero ou mais ocorrências de números e substitua-os por espaços em branco.

No segundo comando sed remova tudo o que vem seguido de (.) e também remova o próprio ponto (.).

Com rev e sed:

rev file| sed 's/.*[.]//' |rev

Exclua tudo antes do ponto(.) Também inclua e remova . em si.

Com grep:

grep -oP '.*(?=\.[0-9])' file

    -o, --apenas correspondência
          Imprima apenas as partes correspondentes (não vazias) de uma linha correspondente,
          com cada parte em uma linha de saída separada.
    -P, --perl-regexp
          Interpretar PATTERN como uma expressão regular compatível com Perl (PCRE)

(?=pattern): Lookahead positivo: A construção de lookahead positivo é um par de parênteses, com o parêntese de abertura seguido por um ponto de interrogação e um sinal de igual.

.*(?=\.[0-9]): (lookahead positivo) corresponde a tudo( .*) seguido por um ponto(.) e quaisquer ocorrências de números, sem tornar o padrão( \.[0-9]) parte da correspondência.

Com rev e grep:

rev file |grep -oP '(?<=[0-9]\.).*' |rev

rev file |grep -oP '[0-9]\.\K.*' |rev

(?<=pattern): Olhar para trás positivo. Um par de parênteses, com o parêntese de abertura seguido por um ponto de interrogação, um símbolo de “menor que” e um sinal de igual.

(?<=[0-9]\.).*(lookbehind positivo) corresponde a tudo o que é seguido por qualquer ocorrência de números e termina com ponto (.).

No segundo comando grep, você pode usar o bacana \Kno lugar da afirmação lookbehind.

Com corte:

cut -f1 -d. file

cut -c 1-77 file # Print first 77 characters of each line.

cut - remove seções de cada linha de arquivos

-d, --delimitador=DELIM
      use DELIM em vez de TAB para delimitador de campo

-f, --campos=LISTA
      selecione apenas esses campos;

-c, --caracteres=LISTA
      selecione apenas esses caracteres

Com loop while:

while read line; do echo "${line::-2}";done <file

Isso funcionará se você tiver apenas um número com comprimento = 1 no final de cada linha e eles tiverem comprimento fixo. O comando acima remove os dois últimos caracteres no final de cada linha no arquivo de entrada. comandos alternativos são ${line%??}.

Responder2

Supondo que as extensões sejam todas de dígitos:

perl -pi -e 's/\.\d+$//' /path/to/file

-ifaz edição no local (como em sed). \dsignifica dígitos e $denota o fim da linha.

Com awk:

awk 'gsub(/\.[0-9]+$/,"")' /path/to/file

gawktem uma opção de edição local em versões mais recentes, mas não tenho certeza de quão portátil isso é. gsubsuporta um parâmetro opcional, especificando a coluna de destino:

awk 'gsub(/\.[0-9]+$/,"",$3)' /path/to/file

A última forma tem o efeito colateral indesejado de separar cada coluna por um único espaço em sua saída, como se você tivesse feito isso print $1,..,$NF. Eu não sei porque.

Responder3

Usá awk-lo é simples, basta definir seu separador de campo como .:

awk -F. '{print $1}' file

Outra abordagem, usando o shell (neste caso bash):

while IFS=.; read -r lines _; do  line+=("$lines"); done <file                                                                           
printf "%s\n" "${line[@]}"
ILMN_1343291    TGTGTTGAGAGCTTCTCAGACTATCCACCTTTGGGTCGCTTTGCTGTTCG  NM_001402
ILMN_1343295    CTTCAACAGCGACACCCACTCCTCCACCTTTGACGCTGGGGCTGGCATTG  NM_002046
ILMN_1651209    TCACGGCGTACGCCCTCATGGGGAAAATCTCCCCGGTGACTTTCAGGTCC  NM_182838

Responder4

Isso remove tudo que começa com o ponto:

sed 's/\..*//'

informação relacionada