0

我有一个包含三列(制表符分隔)的输入数据,如下所示:

  a  mrna_185598_SGL 463
  b  mrna_9210_DLT   463
  c  mrna_9210_IND   463
  d  mrna_9210_INS   463
  e  mrna_9210_SGL   463

如何使用 sed/awk 将其修改为如下所示的四列数据:

a  mrna_185598 SGL   463
b  mrna_9210   DLT   463
c  mrna_9210   IND   463
d  mrna_9210   INS   463
e  mrna_9210   SGL   463

原则上,我想将原始的“mrna”字符串分成两部分。

4

7 回答 7

2

呆呆的:

{
  print $1 "\t" gensub(/_/, "\t", 2, $2) "\t" $3
}
于 2010-01-28T03:37:21.133 回答
2

像这样的东西

awk 'BEGIN{FS=OFS="\t"}{split($2,a,"_"); $2=a[1]"_"a[2]"\t"a[3] }1'  file

输出

# ./shell.sh
a       mrna_185598     SGL     463
b       mrna_9210       DLT     463
c       mrna_9210       IND     463
d       mrna_9210       INS     463
e       mrna_9210       SGL     463

在 Solaris 上使用 nawk

如果你有 bash

while IFS=$'\t' read -r a b c
do
    front=${b%_*}
    back=${b##*_}
    printf "$a\t$front\t$back\t$c\n"
done <"file"
于 2010-01-28T03:38:48.613 回答
1

你不需要使用 sed。而是使用 tr

cat *FILENAME* | tr '_[:upper:]{3}\t' '\t[:lower:]{3}\t' >> *FILEOUT*

cat FILENAME将打印出文件,然后将通过管道 ('|') 传输到 tr (translate)。tr 将替换任何具有下划线后跟 3 个大写字符,然后是制表符而不是下划线的制表符。然后它将其附加到FILEOUT

于 2010-01-28T03:49:48.390 回答
1
$ cat test.txt
  a  mrna_185598_SGL 463
  b  mrna_9210_DLT   463
  c  mrna_9210_IND   463
  d  mrna_9210_INS   463
  e  mrna_9210_SGL   463

$ cat test.txt | sed -E 's/(\S+)_(\S+)\s+(\S+)$/\1\t\2\t\3/'
  a  mrna_185598    SGL 463
  b  mrna_9210  DLT 463
  c  mrna_9210  IND 463
  d  mrna_9210  INS 463
  e  mrna_9210  SGL 463
于 2010-01-28T03:50:35.547 回答
1

只要它们看起来与您发布的内容没有太大不同:

sed -E 's/mrna_([0-9]+)_/mrna_\1\t/'
于 2010-01-28T03:40:03.960 回答
1
gawk '{$1=$1; $0=gensub(/_/,"\t",2);print}' file

a mrna_185598   SGL 463
b mrna_9210 DLT 463
c mrna_9210 IND 463
d mrna_9210 INS 463
e mrna_9210 SGL 463
于 2019-07-02T00:28:06.957 回答
0

这可能对您有用(GNU sed):

sed 's/_/\t/2' file

将第二次出现的 a 替换为_制表符。

于 2019-07-01T23:20:03.043 回答