Question

我是编码的新手，我正在尝试格式化一些生物信息学数据。我试图用逗号删除GT:GL:GOF:GQ:NR:NV之后的所有空格，但不要删除格式xx:xx:xx:xx:xx以外的任何空格（如示例）。我知道我需要将sed与regex选项一起使用，但是我对如何使用它并不十分熟悉。我以前从未真正使用过sed，并且对尝试感到困惑，因此不胜感激。抱歉，如果我格式化不当（这是我的第一篇文章）。

编辑2：这次我从文件中获取了实际数据，这可能有助于解决问题。删除了不良示例。

新示例：我从实际文件中提取了此数据（这只是两个样本），并且被其他数据包围。本质上，该行包含一堆数据，后跟“ GT：GL：GOF：GQ：NR：NV”，此后，下面所示的格式有更多的数据，最后还有更多的随机数据。不幸的是，我无法发布完整的数据行，因为它非常长且无法容纳。

输入

0/1:-1,-1,-1:146:28:14,14:4,0 0/1:-1,-1,-1:134:6:2,2:1,0

输出

0/1:-1,-1,-1:146:28:14,14:4,0,0/1:-1,-1,-1:134:6:2,2:1,0

Answer 1

我假设... npm run xcopyKeys4Win或xx:xx:xx可以有任意数量的部分，因为有些部分有3个，有些部分有4个。

要使用xx:xx:xx:xx可靠地做到这一点非常困难，因为它不支持环视，在本示例中似乎需要使用环视。

您可以尝试以下操作：

sed

如果您对perl -pe 's/(?<=\d) (?=\d+(:\d+){2,})/,/g' input.txt充满信心，可以尝试一下，但是可能会遗漏某些情况：

sed

Answer 2

使用基本正则表达式，您可以使用字符类和反向引用来完成任务，例如

$ sed 's/\([0-9][0-9]*:[0-9][0-9]*\)[ ]\([0-9][0-9]*:[0-9][0-9]*\)/\1,\2/g' file
1/0 ./. 0/1 GT:GL:GOF:GQ:NR:NV 1:12:314,213:132:13:31,14:31:31 AB GT BB
1/0 ./. 0/1 GT:GL:GOF:GQ:NR:NV 10:13:12,41:41:1:13,13:131:1:1 AB GT RT
1/0 ./. 0/1 GT:GL:GOF:GQ:NR:NV 1:12:314,213:132:13:31,14:31:31 AB GT

基本上说：

找到并捕获任何[0-9][0-9]*个或多个数字，
由:和
后接[0-9][0-9]*一个或多个数字-作为捕获组1，
匹配捕获组1之后是捕获组2的空间（与捕获组1相同），
然后最后用逗号替换捕获组之间的空格，并使用反向引用1和2（例如\1和\2）重新插入捕获组文本，最后
进行替换 global （例如g）以替换所有匹配项。

基于发布的新输入进行编辑

如果您仍然需要添加所有原始逗号，请和现在要在,0 0/之间添加逗号（其中逗号在单位数字前加一个空格要用逗号替换，后跟一个数字和一个正斜杠），那么您需要做的就是使捕获组成为有条件的（如上所述捕获原始数据，或者捕获这个新段。）为此，请在条件之间包含一个OR（例如，基本正则表达式中的\|）。

例如，在第一个捕获组的末尾添加\|,[0-9]，在第二个捕获组的末尾添加\|[0-9][/]，例如

$ sed 's/\([0-9][0-9]*:[0-9][0-9]*\|,[0-9]\)[ ]\([0-9][0-9]*:[0-9][0-9]*\|[0-9][/]\)/\1,\2/g' file
0/1:-1,-1,-1:146:28:14,14:4,0,0/1:-1,-1,-1:134:6:2,2:1,0

如果文件中还有其他警告，建议您输入几行完整的输入内容，如果它们太长，请创建一个zip，gzip，bzip或xz文件，并将其发布到pastebin之类的站点并添加您问题的链接。

如果您现在真正关心的只是,0 0/中的空格，那么可以将sed命令缩短为：

$ sed 's/\(,[0-9]\)[[:space:]]\([0-9][/]\)/\1,\2/g' file
0/1:-1,-1,-1:146:28:14,14:4,0,0/1:-1,-1,-1:134:6:2,2:1,0

（注意：），我在其中包含[[:space:]]来处理任何空格（空格，制表符，...），而不仅仅是文字[ ]（空格）新示例）让我知道是否可以解决问题。

Answer 3

使用awk，您也可以不使用正则表达式来获得所需的结果：

awk '{printf "%s", $1FS$2FS$3FS$4FS$5","$6","$7; for (i=8;i<=NF;i++) printf "%s", FS$i; print ""}' input.txt

基本上，它使用默认字段分隔符（“空格”）从字段1到5输出，然后使用逗号分隔符从字段5到7输出，然后再次使用默认分隔符从字段8开始输出。

Answer 4

能否请您尝试以下。这将用于打印那些正则表达式不匹配的值。同样，通过将其作为[0-9]+\.{4}等来使匹配中提到的正则表达式短一些，因为它是在旧的awk上测试过的，因此无法对其进行测试。

awk '
BEGIN{
  OFS=","
}
match($0,/GT:GL:GOF:GQ:NR:NV [0-9]+:[0-9]+:[0-9]+:[0-9]+:[0-9]+/){
  value=substr($0,RSTART!=1?1:RSTART,RSTART+RLENGTH-1)
  value1=substr($0,RSTART+RLENGTH+1)
  gsub(/[[:space:]]+/,",",value1)
  print value,value1
  next
}
1
'  Input_file

Answer 5

perl myscript.pl'0/1：-1，-1，-1：146：28：14,14：4,0 0/1：-1，-1，-1：134：6：2 ，2：1,0'

myscript.pl，

  #!/usr/local/ActivePerl-5.20/bin/env perl
    my $input = $ARGV[0];
    $input =~ s/ /\,/g; 
    print $input, "\n";
__DATA__

输出

0/1：-1，-1，-1：146：28：14,14：4,0,0 / 1：-1，-1，-1：134：6：2,2：1 ，0

这将删除所有空格，而不仅仅是有问题的空格

如何用逗号替换特定模式后的空格？

5 个答案: