Question

我有一个看起来像这样的文件（test.bed）（可能不是制表符分隔的）：

chr1    10002   10116   id=1;frame=0;strand=+;  0   +
chr1    10116   10122   id=2;frame=0;strand=+;  0   +
chr1    10122   10128   id=3;frame=0;strand=+;  0   +
chr1    10128   10134   id=4;frame=0;strand=+;  0   +
chr1    10134   10140   id=5;frame=0;strand=+;  0   +
chr1    10140   10146   id=6;frame=0;strand=+;  0   +
chr1    10146   10182   id=7;frame=0;strand=+;  0   +
chr1    10182   10188   id=8;frame=0;strand=+;  0   +
chr1    10188   10194   id=9;frame=0;strand=+;  0   +
chr1    10194   10200   id=10;frame=0;strand=+; 0   +

我想生成以下输出（应该是制表符分隔的）：

chr1    10002   10116   id=1    0   +
chr1    10116   10122   id=2    0   +
chr1    10122   10128   id=3    0   +
chr1    10128   10134   id=4    0   +
chr1    10134   10140   id=5    0   +
chr1    10140   10146   id=6    0   +
chr1    10146   10182   id=7    0   +
chr1    10182   10188   id=8    0   +
chr1    10188   10194   id=9    0   +
chr1    10194   10200   id=10   0   +

我尝试过使用以下代码：

awk 'OFS="\t" split ($0, a, ";"){print a[1],$5,$6}' test.bed

但后来我得到了：

chr1    10002   10116   id=1    40  4+
chr1    10116   10122   id=2    40  4+
chr1    10122   10128   id=3    40  4+
chr1    10128   10134   id=4    40  4+
chr1    10134   10140   id=5    40  4+
chr1    10140   10146   id=6    40  4+
chr1    10146   10182   id=7    40  4+
chr1    10182   10188   id=8    40  4+
chr1    10188   10194   id=9    40  4+
chr1    10194   10200   id=10   40  4+

我做错了什么？不知何故，数字'4'被添加到最后两个字段中。我认为数字'4'可能与分裂第4个字段有关，但是，我尝试生成一个类似的文件，它是第3个字段被拆分，并且仍然将数字'4'添加到最后一个两个领域。我对'awk'比较新，所以我猜这是语法错误。任何帮助将不胜感激。

Answer 1

如果您将字段分隔符设置为空格或半列，则无需自行处理拆分：

$ awk '{print $1,$2,$3,$4,$8,$9}' FS='[[:space:]]+|;' OFS='\t' file
chr1    10002   10116   id=1    0   +
chr1    10116   10122   id=2    0   +
chr1    10122   10128   id=3    0   +
chr1    10128   10134   id=4    0   +
chr1    10134   10140   id=5    0   +
chr1    10140   10146   id=6    0   +
chr1    10146   10182   id=7    0   +
chr1    10182   10188   id=8    0   +
chr1    10188   10194   id=9    0   +
chr1    10194   10200   id=10   0   +

至于你做错了什么：

awk 'OFS="\t" split ($0, a, ";"){print a[1],$5,$6}'

awk的语法为condition{block}，设置OFS的值并且拆分不是条件。它们是应该在块内的语句。
但是你真的不需要在每一行设置OFS的值，所以它应该只初始化一次。您可以使用-v选项，BEGIN块中或脚本后执行此操作。

有效的替代方案：

$ awk -v OFS='\t' '{split($0,a,";");print a[1],$5,$6}' file

$ awk 'BEGIN{OFS="\t"}{split($0,a,";");print a[1],$5,$6}' file

$ awk '{split ($0,a,";");print a[1],$5,$6}' OFS='\t' file

Answer 2

试试这个：

awk -F\; '{print $1,$4}' test.bed

如何正确分割awk字段

2 个答案: