☰

使用 sed 或 awk 从已知字符串开头和结尾的特定列中删除字符串

tag-icon • tag-icon text-processing awk sed osx
使用 sed 或 awk 从已知字符串开头和结尾的特定列中删除字符串

我的文件包含这样的行：

1 10241 rs960927773 POS=10241;VP=0x05;GINFO=DDX11L1:100287102;R5;ASP

我想删除第 4 列中以 POS 开头并以 ;GINFO= 结尾的所有内容

我认为这可能有效：sed -e 's/POS=.*;GINFO=//‘ file > new_file

如果可以的话具体如何指向第4栏呢？

答案1

要直接寻址第四列，请使用以下命令awk方法：

awk '{ sub(/^POS.*GINFO=/, "", $4) }1' file > new_file
  • $4- 指向第四个字段
  • sub(/^POS.*GINFO=/, "", $4)/^POS.*GINFO=- 替换第 4 个字段中模式给出的子字符串

答案2

如果您所指的列和已知的列用空格分隔，那么您可以执行以下操作：

sed -E 's/^(([^ ]* ){3})POS=.*;GINFO=/\1/' infile

此^(([^ ]* ){3})匹配从请求该行开始，^直到*看到[^ ]第一个空格为止，并重复此操作最多{3}次数；括号使此匹配成为具有反向引用的分组匹配，\1稍后我们将其恢复到替换部分s/pattern/replace/。

这(...)POS=.*;GINFO=也匹配POS=后面的任何内容，.*直到;GINFO看到并将从输出中删除。

对于下面给出的示例数据：

1 10241 POS=rs960927773 POS=10241;VP=0x05;GINFO=DDX11L1:100287102;R5;ASP
1 POS=10241 rs960927773 POS=10241;VP=0x05;GINFO=DDX11L1:100287102;R5;ASP
POS=1 10241 rs960927773 POS=10241;VP=0x05;GINFO=DDX11L1:100287102;R5;ASP

会返回一个结果：

1 10241 POS=rs960927773 DDX11L1:100287102;R5;ASP
1 POS=10241 rs960927773 DDX11L1:100287102;R5;ASP
POS=1 10241 rs960927773 DDX11L1:100287102;R5;ASP

POSIXly 版本可能是：

sed 's/^\([^ ]* \)\([^ ]* \)\([^ ]* \)POS=.*;GINFO=/\1\2\3/' infile

答案3

在 POSIXly sed 中我们可以这样做：

sed -ne '
   #place a markholder at the beginning of the 4th field
   s/[^[:blank:]][[:blank:]]\{1,\}/&\
/3

   # perform the sub on the 4th field
   s/\nPOS=.*;GINFO=//p
'  input_file

相关内容