☰

根据另一个文件中的字符串列表的匹配替换不同的字符串

tag-icon • tag-icon awk sed replace
根据另一个文件中的字符串列表的匹配替换不同的字符串

我有一个像这样带有制表符分隔符的文件：

Chr1    mak   gene    120221  120946  .       +       .       ID=spa-h0003.02;Name=spa-h0003.02
Chr1    mak   mRNA    120221  120946  .       +       .       ID=spa-cap_Chr1_00M;Parent=spa-h0003.02;Name=spa-cap_Chr1_00M
Chr1    mak   exon    120221  120946  .       +       .       Parent=spa-cap_Chr1_00M
Chr1    mak   gene    18546165        18546939        .       +       .       ID=spa-h0004.02;Name=spa-h0004.02
Chr1    mak   mRNA    18546165        18546939        .       +       .       ID=spa-cap_Chr1_18;Parent=spa-h0004.02;Name=spa-cap_Chr1_18
Chr1    mak   exon    18546165        18546504        .       +       .       Parent=spa-cap_Chr1_18
Chr1    mak   exon    18546791        18546939        .       +       .       Parent=spa-cap_Chr1_18

仅当第三列具有“基因”时，我才想替换不同的字符串。但是第九列上的字符串应该根据第二个文件中存在的信息进行替换，如下所示（带有制表符）：

spa-h0003.02  spa-cap_Chr1_00M
spa-h0004.02  spa-cap_Chr1_18

我不知道该怎么做。我在想类似的事情（XX应该是第二个文件中的信息？）：

cat file | awk '$3 == "gene" && $9 == "spa-" {$9 = "XX"} {print}'

但是我如何使用第二个文件中的信息呢？或许：

while read n k; do sed -i 's/$n/$k/g' file1; done < fileA

答案1

假设file1包含要替换的文本，file2包含替换文本，并且您可以依靠在ID=两者之间执行查找，您可以使用这个（我猜更流行）awk 脚本：

awk -F'\t' '
  NR==FNR{
    a[$1]=$2                                   # fills the array a with the replacement text
    next
  }
  $3=="gene"{                                  # check only lines with 'gene'
    id=gensub("ID=([^;]*);.*","\\1",1,$9);     # extract the id string
    if(id in a)                                # if the id is part of the array a
       gsub(id,a[id])                          # replace it
  }
  1                                            # print the line
' file2 file1

答案2

一个不受欢迎的选择：Tcl。 Tcl 有一个很好的string map命令可以完成确切地这。不幸的是，Tcl 并不是真正为 Perl 风格的单行代码构建的。

echo '
    # read the mapping file into a list
    set fh [open "mapping" r]
    set content [read $fh]
    close $fh
    set mapping [regexp -all -inline {\S+} $content]

    # read the contents of the data file
    # and apply mapping to field 9 when field 3 is "gene"
    set fh [open "file" r]
    while {[gets $fh line] != -1} {
        set fields [split $line \t]
        if {[lindex $fields 2] eq "gene"} {
            lset fields 8 [string map $mapping [lindex $fields 8]]
        }
        puts [join $fields \t]
    }
    close $fh
' | tclsh

使用 awk，我会写：

awk -F'\t' -v OFS='\t' '
    NR == FNR {repl[$1]= $2; next}
    $3 == "gene" {
        for (seek in repl) 
            while ((idx = index($9, seek)) > 0) 
                $9 = substr($9, 1, idx-1) repl[seek] substr($9, idx + length(seek))
    }
    {print}
' mapping file

相关内容