☰

使用 awk 提取每行的前两部分

tag-icon • tag-icon awk sed
使用 awk 提取每行的前两部分

我有一个以空格分隔的文件，如下所示：

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

如何修改第二列以便仅提取前两部分？我希望我的输出看起来像这样：

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

答案1

短的awk方法：

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

输出：

0 22:16050847 0 16050847
0 rs62224609:16051249 0 16051249
0 22:16051250 0 16051250
0 GSA-rs138295790 0 16057310
  • split($2,a,":")a-通过分隔符将第二个字段拆分为数组:

答案2

如果您有 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

答案3

和perl：

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

使用 GNU sed：

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

输出：

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

答案4

重击：

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

read将把字段分割成$f1, $2，所有剩余的字段将被集中到$rest.然后，在第二个字段 上$f2，我们运行expr以提取第一个和第二个以冒号分隔的字段。如果这是不可能的，那么我们最终会使用$f2变量本身。

塞德：

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

我们首先用 包围第二个字段\n，然后围绕该区域运行一个循环，直到只剩下两个字段（或一个字段分隔符）。

珀尔：

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

结果

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

相关内容