提取标题中包含特定字符串的列

提取标题中包含特定字符串的列

我有一个制表符分隔的文件,我想在其中扫描标题(第一行)以查找包含关键字的列。然后,我只想打印文件其余部分中的那些列。

从这个示例文件:

sample  AAA BBB sample_CCC  DDD EEE sample_FFF
000 aaa bbb ccc ddd eee fff

我希望得到这样的东西:

sample  sample_CCC  sample_FFF
000 ccc fff

我努力了:

awk -F"\t" '{for(i=1;i<=NF;i++){if ($i ~ /sample/){print $i}}}' filename > outputfile

但是,这只会提取具有该确切字符串(样本)的列,而不是包含该字符串的列(sample_CCC、sample_FFF)。

有没有办法更改此代码,以便它提取与字符串不完全匹配但包含该字符串的列?

答案1

perl 提供了一个简洁的解决方案:

perl -ale '
    @cols = grep {$F[$_] =~ /sample/} 0..$#F if $. == 1;
    print "@F[@cols]";
' file

答案2

像这样的事情怎么办?

NR==1   {
        for (i=1; i<=NF; i++) {
                if ($i ~ /sample/) {
                        head[i]= $i
                        printf "%s\t", $i
                }
        }
        printf "\n"
}

NR>1    {
        for (i=1; i<=NF; i++) {
                if (head[i]) {
                        printf "%s\t", $i
                }
        }
        printf "\n"
}

这是一种有点幼稚的方法,但它适用于小文件。

答案3

$ awk '
    BEGIN { FS=OFS="\t" }
    NR==1 {
        for (inFldNr=1; inFldNr<=NF; inFldNr++) {
            if ($inFldNr ~ /sample/) {
                out2inFldNr[++numOutFlds] = inFldNr
            }
        }
    }
    {
        for (outFldNr=1; outFldNr<=numOutFlds; outFldNr++) {
            inFldNr = out2inFldNr[outFldNr]
            printf "%s%s", $inFldNr, (outFldNr<numOutFlds ? OFS : ORS)
        }
    }
' file
sample  sample_CCC      sample_FFF
000     ccc     fff

相关内容