Question

我有一个文件，其中有几行包含字母数字字符串，如ZINC123345667_123，后跟其他行。现在，我需要删除分隔符后的数字＆＃34; _＆＃34;只包含字符串包含＆＃34; ZINC＆＃34;其余的线路保持不变。我尝试过使用下面的awk命令，但只得到了＆＃34; ZINC＆＃34;而不是与其他线路。

我原来的数据：

 Name:      ZINC00000036_1
 Grid Score:          -23.170839
 Grid_vdw:          -22.304409
 Grid_es:           -0.866430
 Int_energy:            4.932559

@<TRIPOS>MOLECULE
ZINC00000036_1
 18 18 1 0 0

Name:       ZINC00000053_3
 Grid Score:          -23.739523
 Grid_vdw:          -22.876204
 Grid_es:           -0.863320
 Int_energy:            9.981080

@<TRIPOS>MOLECULE
ZINC00000053_3
 20 20 1 0 0

 Name:      ZINC00000351_12
 Grid Score:          -30.763229
 Grid_vdw:          -27.735493
 Grid_es:           -3.027738
 Int_energy:            4.097543

@<TRIPOS>MOLECULE
ZINC00000351_12
 31 31 1 0 0

我已经执行了下面的awk脚本

awk -F'_' '/ZINC/ {print $1}' data.file > out.file

获得的输出：

Name:       ZINC00000036
ZINC00000036
Name:       ZINC00000053
ZINC00000053
Name:       ZINC00000351
ZINC00000351

但是，我在输出文件中也需要其他行，如下所示：

 Name:      ZINC00000036
 Grid Score:          -23.170839
 Grid_vdw:          -22.304409
 Grid_es:           -0.866430
 Int_energy:            4.932559

@<TRIPOS>MOLECULE ZINC00000036  18 18 1 0 0

 Name:      ZINC00000053
 Grid Score:          -23.739523
 Grid_vdw:          -22.876204
 Grid_es:           -0.863320
 Int_energy:            9.981080

@<TRIPOS>MOLECULE ZINC00000053  20 20 1 0 0

 Name:      ZINC00000351
 Grid Score:          -30.763229
 Grid_vdw:          -27.735493
 Grid_es:           -3.027738
 Int_energy:            4.097543

@<TRIPOS>MOLECULE ZINC00000351  31 31 1 0 0

由于我的数据文件庞大且无法转换，我将非常感谢awk的任何帮助。

Answer 1

sed '/ZINC/s/_.*//' file
awk '/ZINC/{sub(/_.*/,"")}1' file

Answer 2

我会用sed解决这个问题：

sed -E '/ZINC[0-9]+_/s/_.*//' yourfile

在任何包含＆＃34; ZINC＆＃34;接下来是一些数字然后是下划线，替换（即替换）下划线和线上的任何其他内容yourfile中没有任何内容。

如果您在-i命令后添加sed，则可以在不需要创建第二个文件的情况下进行就地编辑。

Answer 3

我不认为awk是这项工作的正确工具。一个简单的sed命令就可以了：

sed 's/\(ZINC[0-9]\{1,\}\)_[0-9]\{1,\}/\1/' file  # most portable
sed 's/\(ZINC[0-9]\+\)_[0-9]\+/\1/' file          # GNU sed
sed -E 's/(ZINC[0-9]+)_[0-9]+/\1/' file           # extended regex mode

在下划线之前捕获零件（ZINC，后跟一些数字）并丢弃其余部分。

在Perl中也是如此，由于数字字符类\d而略短：

perl -pe 's/(ZINC\d+)_\d+/$1/' file

想想看，如果你决定使用awk，这会有效：

awk -F_ '/ZINC/{$0=$1}1' file

匹配ZINC时，用第一个字段的内容覆盖该行。最后的1确保打印每一行。

Answer 4

要仅保留包含_的第一个下划线字符ZINC之前的部分，并保留其他行，请执行以下操作：

awk -F'_' '/ZINC/{print $1;next}1' file

Answer 5

使用sed的另一种答案格式，

sed 's/\(ZINC[0-9]*\)\(_.*\)/\1/g' inputfile

用图案的前半部分替换整个字符串。休息所有其他行将显示

awk脚本匹配模式，然后在分隔符后删除整行

5 个答案: