Question

这可能是问题的延伸： Incorporate variables into bash code line

我刚才在文字中意识到，行实际上是变量格式的。

2   118610455   P2_PM_2_5034    T   <DUP:TANDEM>    40  .   END=118610566;SVLEN=110;SVTYPE=TDUP;CIPOS=-100,55;CIEND=-56,100;IMPRECISE;DBVARID=esv7540;VALIDATED;VALMETHOD=CGH;SVMETHOD=RP 

1   859214  P2_M_061510_1_73    C   <DEL>   .   .   CIEND=-130,50;CIPOS=-57,93;END=860180;IMPRECISE;SVLEN=-966;SVTYPE=DEL;VALIDATED;DBVARID=esv10036;VALMETHOD=CGH;SVMETHOD=RD,RP

我需要的是

2 118610455 118610566
1 859214 860180

如上所示，此"END=#"可能位于第8列的不同位置。所以基本上我需要先从第8列找到“END = ..”部分，然后grep这个数字。所以这实际上是关于如何从字符串grep特定模式（在这种情况下，模式是“END =”）

但我怎么能这样做？ THX

Answer 1

grep的：

您可以使用-o的{{1}}选项进行搜索：

<强>测试

grep

但是如果你正在寻找一个完整的解决方案，那么如何使用[jaypal:~/Temp] grep -o "END=[0-9]\+;" file | tr -ds 'END=|;' '' 118610566 860180（对不起，我知道这不是你的要求。但这里有两个解决方案：

awk中：

如果您想要的第一个和第二个参数的位置不变，那么我们可以在特定字段中拆分每个值，然后遍历每个参数。只要我们到达awk字段，我们就会打印$ 1和$ 4，然后打印END旁边的列。

END

<强>测试

awk -v FS="[ ;=]" '{for(i=1;i<=NF;i++) if ($i=="END") print $1,$4,$(i+1)}' file

GNU AWK：

如果你有[jaypal:~/Temp] cat file 2 118610455 P2_PM_2_5034 T <DUP:TANDEM> 40 . END=118610566;SVLEN=110;SVTYPE=TDUP;CIPOS=-100,55;CIEND=-56,100;IMPRECISE;DBVARID=esv7540;VALIDATED;VALMETHOD=CGH;SVMETHOD=RP 1 859214 P2_M_061510_1_73 C <DEL> . . CIEND=-130,50;CIPOS=-57,93;END=860180;IMPRECISE;SVLEN=-966;SVTYPE=DEL;VALIDATED;DBVARID=esv10036;VALMETHOD=CGH;SVMETHOD=RD,RP [jaypal:~/Temp] awk -v FS="[ ;=]" '{for(i=1;i<=NF;i++) if ($i=="END") print $1,$4,$(i+1)}' file 2 118610455 118610566 1 859214 860180，那么它有一个名为gawk的内置函数。这支持反向引用。所以你也可以做以下事情 -

gensub

<强>测试

gawk '{print $1,$2,gensub(/.*\<END\>=(.[^;]*);.*/,"\\1",$0)}' file

Answer 2

使用sed：

$ cat input | sed -e 's/^\([0-9]\+\) \+\([0-9]\+\) .*\<END=\([0-9]\+\).*/\1 \2 \3/'

Answer 3

您可以使用perl脚本，例如：

pax> perl -ne '{
         @arr=split;
         if (@arr[7] =~ /^END=/) {
             @arr[7] =~ s/^END=//;
         } else {
             @arr[7] =~ s/^.*;END=//;
         }
         @arr[7] =~ s/;.*$//;
         printf "%s %s %s\n", @arr[0], @arr[1], @arr[7];
     }' <qq.in
2 118610455 118610566
1 859214 860180

为了便于阅读，我已将该脚本格式化，但您可以轻松使用单行：

perl -ne '{@arr=split;if (@arr[7] =~ /^END=/) {@arr[7] =~ s/^END=//;} else {@arr[7] =~ s/^.*;END=//;} @arr[7] =~ s/;.*$//; printf "%s %s %s\n", @arr[0], @arr[1], @arr[7];}' <qq.in

一旦你理解它，它的工作方式很简单。 split为您提供了一行元素，您只需稍微修改数字7即可。

如果它以END=开头，那就去掉那个位。否则，如果一切都包括;END=。

然后在第一个;之后删除所有内容（在已经修改过的版本中，在开始时N位为END=N。）

然后打印出三个所需的值。

考虑到这一点，可能会更好一点，比如：

pax> perl -ne '{
        ($a,$b,$x,$x,$x,$x,$x,$c,$x) = split;
        $c = ";$c";
        $c =~ s/^.*;END=//;
        $c =~ s/;.*$//;
        print "$a $b $c\n";
    }' <qq.in

或等效的单行：

perl -ne '{($a,$b,$x,$x,$x,$x,$x,$c,$x)=split;$c=";$c";$c=~s/^.*;END=//;$c=~s/;.*$//;print "$a $b $c\n";}' <qq.in

使用bash从字符串中获取某些模式

3 个答案:

grep的：

awk中：

GNU AWK：