☰

简短的

tag-icon • tag-icon text-processing sed awk
简短的

我有一个看起来像这样的文件：

ID101     G    T     freq=.5     nonetype     ANC=.1     addinfor
ID102     A    T     freq=.3     ANC=.01    addinfor
ID102     A    T     freq=.01     type=1     ALT=0.022    ANC=.02    addinfor

正如您所看到的，每行的列数略有不同。我特别想要第 1 列、第 2 列、第 3 列、第 4 列以及以ANC=

期望的输出：

ID101     G    T     freq=.5     ANC=.1
ID102     A    T     freq=.3     ANC=.01
ID102     A    T     freq=.01    ANC=.02

我通常使用 awk 命令来解析文件：

awk 'BEGIN {OFS = "\t"} {print $1, $2, $3, $4}'

有没有一种简单的方法可以改变这个命令以适应这种情况？

我认为这样的事情可能会起作用：

awk '{for(j=1;j<=NF;j++){if($j~/^ANC=/){print $j}}}'

但是，如何编辑它以打印第一列？

答案1

和awk：

awk '{for(i=5;i<=NF;i++){if($i~/^ANC=/){a=$i}} print $1,$2,$3,$4,a}' file
  • for(...)循环遍历所有字段，从字段 5 ( i=5) 开始。
    • if($i~/^ANC=/)检查字段是否以以下内容开头ANC=
    • a=$i如果是，则将变量 a 设置为该值
  • print $1,$2,$3,$4,a打印字段 1-4，后跟 中存储的内容a。

BEGIN {OFS="\t"}当然可以结合。

答案2

假设该ANC=列始终是倒数第二列（如示例数据中所示）：

$ awk '{ print $1, $2, $3, $(NF-1) }' data.in
ID101 G T ANC=.1
ID102 A T ANC=.01
ID102 A T ANC=.02

NFawk是将每个记录（行）分割成的 字段（列）数。$(NF-1)是倒数第二个字段的值。

答案3

perl -pale '$"="\t", $_="@{[@F[0..3],         grep {   /^ANC=/ } @F[4..$#F]]}"' yourfile
perl -lane '$,="\t",          print @F[0..3], grep {   /^ANC=/ } @F[4..$#F]'    yourfile
perl -lane '($,,$a)=("\t",0), print grep { $a++ < 4 or /^ANC=/ } @F'            yourfile

简短的

$, => OFS @F[0..3]=>$F[0] $F[1] $F[2] $F[4]

相关内容