☰

从文件中提取行

tag-icon • tag-icon bash perl awk
从文件中提取行

我需要从中提取信息的文件如下

2       41620   .       T       G       100     PASS    AC=3;AF=0.000599042;AN=5008;NS=2504;DP=18872;EAS_AF=0;AMR_AF=0;AFR_AF=0;EUR_AF=0;SAS_AF=0.0031;AA=.|||;CSQ=G|ENSG00000184731|ENST00000327669|Transcript|missense_variant|954|954|318|K/N|aaA/aaC|||-1|tolerated(0.47)|benign(0)||||;GENCODE=ENST00000327669

我需要的输出是

2   41620   CSQ=G    missense_variant

主要字段总是被 ||| 除以，但 2 41620 不一定来自第一个字段，CSQ=G 和错义变体不一定来自下一个字段。它不一定是 missense_variant 或类似的，但它始终是第一个 ||| 之后的第一个和第四个字段。

如何在 perl、awk、sed 等中实现？

答案1

由于您提到数据始终位于相同的列中，因此 AWK 适合此任务。然而，小问题是，您的数据在某个点之前以空格作为分隔符，但随后切换到使用竖线作为分隔符。因此，我们需要一些更复杂的 AWK 技巧。

awk '{gsub(/[;]/," ");printf "%s %s ",$1,$2; for(i=1;i<=NF;i++){ if($i~/\|\|\|/) {gsub(/\|/," ");printf "%s %s",$(i+1),$(i+5);break} } printf "\n"; }' testData.txt

将上述代码转换为脚本形式，

#!/usr/bin/awk -f 

{ 
  gsub(/[;]/," ");
  printf "%s %s ",$1,$2; 
  for(i=1;i<=NF;i++){ 
     if($i~/\|\|\|/) {
        gsub(/\|/," ");
        printf "%s %s",$(i+1),$(i+5);
        break
     } 
   } 
   printf "\n";
}

将其放入文件中，调用它myScript.awk或执行其他操作，添加执行权限chmod +x myScript.awk并将输入文件作为参数提供给它

示例运行：

$ chmod +x dataExtract.awk
$ ./dataExtract.awk testData.txt                               
2 41620CSQ=G missense_variant

附注：在问题中你说的missense_variant是第 4 个字段，但实际上在你发布的例子中那是第 5 个字段。我已进行了相应调整

根据评论的要求进行编辑：

#!/usr/bin/awk -f 

{ 
  gsub(/[;]/," ");
  printf "%s\t%s\t",$1,$2; 
  for(i=1;i<=NF;i++){ 
     if($i~/\|\|\|/) {
        gsub(/\|/," ");
        printf "%s\n" $(i+5);
        break
     } 
   } 
}

相关内容