Question

我有一个awk解析器，如果数据是NC_0000（四位数），那么效果很好，但如果不是那么，则解析数据。我不确定获得所需输出的最有效方法。谢谢你:)。

代码：

awk 'FNR > 1 && match($0, /NC_0000([0-9]*)\..*g\.([0-9]+)(.)>(.)/, a){ print a[1], a[2], a[2], a[3], a[4] }' OFS='\t' ${id}.txt > ${id}_parse.txt

例如：

NC_000013.10:g.20763466G>A
NC_00001.10:g.20763477C>G

将被解析为

的所需输出

13  20763466    20763466    G   A 
1   20763477    20763477    C   G

但是这个

NC_000004.11:g.41749507G>T

无效。下面列出了所需的输出格式，并始终如此。谢谢你:)。

解析规则：

NC_之后的4个零（并非总是如此）和之前的数字。
数字。用标签
＆gt;
＆gt;

使用

awk -F"[_.>]" '{a=length($4);b=substr($4,1,a-1);print $2+0,b,b,substr($4,a),$5}' OFS="\t" Target.txt
0
4004    244     244     G       A               NC
3924    288     288     C       A               NC
3924    385     385     G       A               NC

谢谢：）

Answer 1

此awk应该：

cat file
NC_000013.10:g.20763466G>A
NC_00001.10:g.20763477C>G
NC_000004.11:g.41749507G>T

awk -F"[_.>]" '{print $2+0,substr($4,1,8),substr($4,1,8),substr($4,9,1),$5}' OFS="\t" file
13      20763466        20763466        G       A
1       20763477        20763477        C       G
4       41749507        41749507        G       T

如果g.之后的位数可能会发生变化，请使用：

awk -F"[_.>]" '{a=length($4);b=substr($4,1,a-1);print $2+0,b,b,substr($4,a),$5}' OFS="\t" file

针对不同数据组合的更高效的awk解析器

1 个答案: