Question

我正在尝试删除不同分隔符之前和之后的文本，仅在特定列中的第3列。

第一个分隔符是分号，第二个是逗号。它们也存在于未显示的列中。

输入数据：

chr2L   54273   2L_54273_SNP;rs203207895        A       G       999     PASS    ALTCOUNT=118;DB;REFCOUNT=69     GT      ./.     ./.     0/0 
chr2L   54339   2L_54339_SNP;rs206877787,rs80377533     T       A       999     PASS    ALTCOUNT=114;DB;REFCOUNT=73     GT      ./.     ./.  
chr2L   54587   2L_54587_SNP;rs203534836        A       G       999     PASS    ALTCOUNT=5;DB;REFCOUNT=199      GT      0/0     0/0     0/0

必需的输出：

chr2L   54273   rs203207895        A       G       999     PASS    ALTCOUNT=118;DB;REFCOUNT=69     GT      ./.     ./.     0/0 
chr2L   54339   rs206877787     T       A       999     PASS    ALTCOUNT=114;DB;REFCOUNT=73     GT      ./.     ./.  
chr2L   54587   rs203534836        A       G       999     PASS    ALTCOUNT=5;DB;REFCOUNT=199      GT      0/0     0/0     0/0

我的工作重点是在分号前（包括）删除文本，但没有显着结果：

awk '{ if ($3 == ".*\;//") {$3 = ""; print} else { print }; }' < a > b
sed 's/.*;//' a > b
awk '{ sub(/*.;/,"",$3) }1 ' < a > b
awk '{sub(;/./*,""); print}' < a > b

Answer 1

我认为你可以使用这样的东西：

awk '{ gsub(/^.*;|,.*$/, "", $3) }1' file

这匹配从第三个字段的开头到分号或从逗号到字段末尾的任何内容，并用空字符串替换它们。

您的一个问题是您使用的是*.（语法不正确）而不是.*（任何字符的零或多个）。

正如评论（谢谢）中所建议的那样，您可能希望使模式稍微严格一些，例如：

/^[^;]*;|,[^,]*$/

从开始到第一个;以及从最后一个,到结尾只会匹配。如果您确定自己的数据始终只有一个;和一个,，则这不是必需的，但需要注意。

如果您的输入是制表符分隔的，那么您可以通过指示awk来保留空格：

awk 'BEGIN { FS = OFS = "\t" } { gsub(/^.*;|,.*$/, "", $3) } 1' file

FS和OFS是用于设置输入和输出字段分隔符的变量。

指定列中的awk sub

1 个答案: