☰

僅將字串的特定部分保留在特定列中

tag-icon • tag-icon sed awk grep string
僅將字串的特定部分保留在特定列中

我有一個這樣的文件：

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

對於第二列target_id，我只想保留第一列和第二列FBgnXXXX之間的字串（並非總是如此，有時是其他名稱）。因此，新的輸出檔案第 2 列的值將更簡單，但檔案的其餘部分保持不變。intron_:

我嘗試使用 sed 命令，但不知道如何刪除我不需要的部分。

答案1

使用sed和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

其中的關鍵部分是替換命令：

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

它會尋找第一個冒號intron_之後和之前的所有內容並將其保存intron_到變數中1。 [^[:space:]]*匹配從冒號到字段末尾的所有內容。所有這些都被變數中保存的文字取代1。

awk與製表符分隔的輸出一起使用：

$ 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

解釋：

  • -v "OFS=\t"

    這將輸出欄位分隔符號設定為製表符。這有助於排列列，但可能column沒有必要。

  • $2=$2

    列印一行時，awk不會變更為我們新指定的輸出欄位分隔符，除非我們更改該行上的某些內容。將第二個欄位指派給第二個欄位足以確保輸出具有製表符。

  • sub(/intron_/, "", $2)

    這intron_將從第二個字段中刪除。

  • sub(/:.*/, "", $2)

    這將從第二個欄位中刪除第一個冒號之後的所有內容。

  • print

    這將列印我們的新行。

awk與自訂列格式一起使用

這與上面的類似，但使用printf這樣我們就可以根據需要自訂列寬和對齊方式的格式：

$ 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

這裡的語句printf "%-3s %-12s %8s %3s\n",$1,$2,$3,$4以通常的樣式選擇列寬和對齊方式printf。

使用sed製表符分隔並將其轉換為逗號分隔

$ 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

答案2

您可以使用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

解釋

  • -a：自動將每一行分割成陣列@F。

  • BEGIN {$" = "\t"}：我們將列表分隔符號設為 tab \t，當在雙引號字串中插入數組或數組切片時使用它。

  • print "@{[@F]}" and next if $. == 1：我們列印標題，處理到下一行。

  • $F[1] = $1 if /_([^:]*):/_：我們取得第一個 和之間的值:，將其儲存到 中的第二個元素@F。

  • print "@{[@F]}"：只需列印所需的輸出即可。

答案3

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

在 1 sed（無管道）中保留列。它使用保持緩衝區

Posix 版本（--posixGNU sed 也是如此）

相關內容