awk 拆分更多列并打印第一个单词

Posted 2023-03-24

【中文标题】awk 拆分更多列并打印第一个单词

【英文标题】：awk split more columns and print first word

【发布时间】：2021-09-29 19:43:09

【问题描述】：

我有逗号分隔的文件，我想以相同的拆分条件 split($column,a,"-") 将第 15 列拆分为 $NF（第 15 列到最后一列）并打印每个拆分列 a[1]。我不能从第 n 个到最后一个列循环并为每个列打印。

awk -F',' -v OFS="\t" 'for(i;$15<i<$NF,i+1);split($i,a,"_"); print ???' file.csv

文件打印表格第 15 列示例：

NBPF1-chr1-16579269-16579502-MedEx,NBPF1-chr1-16580779-16580863-MedEx,NBPF1-chr1-16581333-16581592-MedEx,NBPF1-chr1-16582457-16582758-MedEx,NBPF1-chr1-16583499-16583796-MedEx

我的期望：

NBPF1,NBPF1,NBPF1,NBPF1,NBPF1,NBPF1

谢谢。

【问题讨论】：

我认为你很接近：for(i=15;i<=$NF;++i)split($i,a,"-"); print a[1]

$NF是最后一个字段内容，NF是数字，注意区别。

【参考方案1】：

使用您显示的示例，请尝试遵循awk 代码。更改i=15 或任何您想要开始循环的字段，直到awk 代码后面的当前行的最后一个字段。

awk '
BEGIN
  FS=OFS=","


  value=""
  for(i=1;i<=NF;i++)
    split($i, a, /-/)
    value=(value?value OFS:"")a[1]
  
  print value

'  Input_file

【参考方案2】：

$ awk 'gsub(/-[^,]*/,"")1' file
NBPF1,NBPF1,NBPF1,NBPF1,NBPF1

$ sed 's/-[^,]*//g' file
NBPF1,NBPF1,NBPF1,NBPF1,NBPF1

如果这不是您真正需要的，请编辑您的问题以提供更具代表性的示例输入/输出。

【参考方案3】：

你可以使用这个awk:

awk 'BEGIN FS=OFS="," for(i=1; i<=NF; ++i) 
split($i, a, /-/); printf "%s%s", a[1], (i<NF ? OFS : ORS)' file

NBPF1,NBPF1,NBPF1,NBPF1,NBPF1

将i=1 更改为i=15 或您要开始从中提取- 分隔值的任何字段位置。

【参考方案4】：

cut -d, -f15- file | sed 's/-[^,]*//g'

【参考方案5】：

另一个例子，纯粹使用正则表达式替换：

awk 'gsub(/^([^,]*,)14/,"")gsub(/-[^,]*(,|$)/,"\t")' file.csv

这个刚刚从 $0 中删除了前 14 列，然后在剩余的每一列中删除了 - 和它之后的内容。 用 gnu awk 测试过。

示例输入：

1,2,3,4,5,6,7,8,9,10,11,12,13,14,NBPF1-chr1-16579269-16579502-MedEx,NBPF1-chr1-16580779-16580863-MedEx,NBPF1-chr1-16581333-16581592-MedEx,NBPF1-chr1-16582457-16582758-MedEx,NBPF1-chr1-16583499-16583796-MedEx
1,2,3,4,5,6,7,8,9,10,11,12,13,14,NBPF1-chr1-16579269-16579502-MedEx,NBPF1-chr1-16580779-16580863-MedEx,NBPF1-chr1-16581333-16581592-MedEx,NBPF1-chr1-16582457-16582758-MedEx,NBPF1-chr1-16583499-16583796-MedEx
1,2,3,4,5,6,7,8,9,10,11,12,13,14,NBPF0-chr1-16579269-16579502-MedEx,NBPF1-chr1-16580779-16580863-MedEx,NBPF1-chr1-16581333-16581592-MedEx,NBPF1-chr1-16582457-16582758-MedEx,NBPF9-chr1-16583499-16583796-MedEx

输出：

NBPF1   NBPF1   NBPF1   NBPF1   NBPF1
NBPF1   NBPF1   NBPF1   NBPF1   NBPF1
NBPF0   NBPF1   NBPF1   NBPF1   NBPF9

【讨论】：

输出不应该在每一行显示一个尾随制表符吗？

好点，只是为了代码简洁我没有在这里处理:) @rowboat

【参考方案6】：

使用awk你可以得到它：

awk -v RS='[-,]' 'NR%5==1' file       
NBPF1                                   
NBPF1
NBPF1
NBPF1
NBPF1

或者正是你所期望的：

awk -v RS='[-,]' 'NR%5==1printf "%s%s", sep, $0; sep="," ENDprint ""' file
NBPF1,NBPF1,NBPF1,NBPF1,NBPF1

【参考方案7】：

换一个怎么样？ 如果您只想要拆分后的第一部分，则无需拆分并保存到临时变量：

awk -F, -v OFS="\t" 'for(i=15;i<=NF;i++)printf "%s" OFS, gensub(/-.*/,"",1,$i);print ""' file.csv

如果会在最右边创建一个空列，如果你不想这样，那么使用这个：

awk -F, -v OFS="\t" 'for(i=15;i<NF;i++)printf "%s" OFS, gensub(/-.*/,"","g",$i);print gensub(/-.*/,"","g",$NF)' file.csv

如果您希望输出以逗号分隔，请将 "\t" 替换为 ,。 它适用于 GNU awk，需要实现 gensub。