☰

仅将字符串的特定部分保留在特定列中

tag-icon • tag-icon sed awk grep string
仅将字符串的特定部分保留在特定列中

我有一个这样的文件：

id  target_id                               length  eff_length
1   intron_FBgn0000721:20_FBgn0000721:18    1136    243.944268
1   intron_FBgn0000721:19_FBgn0000721:18    1122    240.237419
2   intron_FBgn0264373:2_FBgn0264373:3      56      0
3   intron_FBgn0027570:4_FBgn0027570:3      54      0

对于第二列target_id，我只想保留第一列和第二列FBgnXXXX之间的字符串（并非总是如此，有时是其他名称）。因此，新的输出文件第 2 列的值将更简单，但文件的其余部分保持不变。intron_:

我尝试使用 sed 命令，但不知道如何删除我不需要的部分。

答案1

使用sed和column：

$ sed -E 's/ intron_([^:]*):[^[:space:]]*/ \1/' file | column -t
id  target_id    length  eff_length
1   FBgn0000721  1136    243.944268
1   FBgn0000721  1122    240.237419
2   FBgn0264373  56      0

其中的关键部分是替换命令：

s/ intron_([^:]*):\S*/ \1/

它查找第一个冒号intron_之后和之前的所有内容并将其保存intron_到变量中1。 [^[:space:]]*匹配从冒号到字段末尾的所有内容。所有这些都被变量中保存的文本替换1。

awk与制表符分隔的输出一起使用：

$ awk -v "OFS=\t" '{$2=$2;sub(/intron_/, "", $2); sub(/:.*/, "", $2); print}' file
id      target_id       length  eff_length
1       FBgn0000721     1136    243.944268
1       FBgn0000721     1122    240.237419
2       FBgn0264373     56      0

解释：

  • -v "OFS=\t"

    这将输出字段分隔符设置为制表符。这有助于排列列，但可能column没有必要。

  • $2=$2

    打印一行时，awk不会更改为我们新指定的输出字段分隔符，除非我们更改该行上的某些内容。将第二个字段分配给第二个字段足以确保输出具有制表符。

  • sub(/intron_/, "", $2)

    这intron_将从第二个字段中删除。

  • sub(/:.*/, "", $2)

    这将从第二个字段中删除第一个冒号之后的所有内容。

  • print

    这将打印我们的新行。

awk与自定义列格式一起使用

这与上面的类似，但使用printf这样我们就可以根据需要自定义列宽和对齐方式的格式：

$ awk  '{sub(/intron_/, "", $2); sub(/:.*/, "", $2); printf "%-3s %-12s %8s %3s\n",$1,$2,$3,$4}' file
id  target_id      length eff_length
1   FBgn0000721      1136 243.944268
1   FBgn0000721      1122 240.237419
2   FBgn0264373        56   0

这里的语句printf "%-3s %-12s %8s %3s\n",$1,$2,$3,$4以通常的样式选择列宽和对齐方式printf。

使用sed制表符分隔并将其转换为逗号分隔

$ sed -E 's/ intron_([^:]*):[^[:space:]]*/ \1/; s/[[:space:]][[:space:]]*/,/g' file 
id,target_id,length,eff_length
1,FBgn0000721,1136,243.944268
1,FBgn0000721,1122,240.237419
2,FBgn0264373,56,0

答案2

您可以使用perl：

$ perl -anle '
    BEGIN {$" = "\t"}
    print "@{[@F]}" and next if $. == 1;
    $F[1] = $1 if /_([^:]*):/;
    print "@{[@F]}";
' file
id  target_id   length  eff_length
1   FBgn0000721 1136    243.944268
1   FBgn0000721 1122    240.237419
2   FBgn0264373 56      0
3   FBgn0027570 54      0

解释

  • -a：自动将每一行分割成数组@F。

  • BEGIN {$" = "\t"}：我们将列表分隔符设置为 tab \t，当在双引号字符串中插入数组或数组切片时使用它。

  • print "@{[@F]}" and next if $. == 1：我们打印标题，处理到下一行。

  • $F[1] = $1 if /_([^:]*):/_：我们获取第一个 和之间的值:，将其保存到 中的第二个元素@F。

  • print "@{[@F]}"：只需打印所需的输出即可。

答案3

sed -e 'h;s/.*intron_[^:]*\(:[^[:space:]]*\).*/\1/;s/./ /g;;G;;s/\(.*\)\n\(.*\)intron_\([^:]*\):[^[:space:]]*/\2\3\1/' YourFile

在 1 sed（无管道）中保留列。它使用保持缓冲区

Posix 版本（--posixGNU sed 也是如此）

相关内容