☰

特定の列に文字列の特定の部分のみを保持する

tag-icon • tag-icon sed awk grep string
特定の列に文字列の特定の部分のみを保持する

次のファイルがあります。

id  target_id                               length  eff_length
1   intron_FBgn0000721:20_FBgn0000721:18    1136    243.944268
1   intron_FBgn0000721:19_FBgn0000721:18    1122    240.237419
2   intron_FBgn0264373:2_FBgn0264373:3      56      0
3   intron_FBgn0027570:4_FBgn0027570:3      54      0

2番目の列では、target_id最初の列と2番目の列の間の文字列だけを保持したいと思いますFBgnXXXX（常にそうではなく、時には別の名前もあります）。したがって、新しい出力ファイルの列2の値はより単純になりますが、ファイルの残りの部分は同じままです。intron_:

sedコマンドを使ってみましたが、不要な部分を削除する方法がわかりません。

ベストアンサー1

使用sedとcolumn:

$ sed -E 's/ intron_([^:]*):[^[:space:]]*/ \1/' file | column -t
id  target_id    length  eff_length
1   FBgn0000721  1136    243.944268
1   FBgn0000721  1122    240.237419
2   FBgn0264373  56      0

ここで重要な部分は交換コマンドです。

s/ intron_([^:]*):\S*/ \1/

最初のコロンの後ろintron_と前のすべてを見つけてintron_変数に保存します1。 [^[:space:]]*コロンからフィールドの終わりまでのすべての項目と一致します。これらはすべて変数に含まれるテキストに置き換えられます1。

awkタブ区切りの出力と一緒に使用:

$ awk -v "OFS=\t" '{$2=$2;sub(/intron_/, "", $2); sub(/:.*/, "", $2); print}' file
id      target_id       length  eff_length
1       FBgn0000721     1136    243.944268
1       FBgn0000721     1122    240.237419
2       FBgn0264373     56      0

説明する：

  • -v "OFS=\t"

    これにより、出力フィールド区切り文字がタブに設定されます。これは列を並べ替えるのに役立ちますが、必ずしもcolumn必要ではありません。

  • $2=$2

    行が印刷されると、awk行で何かを変更しない限り、新しく指定された出力フィールド区切り文字に変更されません。 2番目のフィールドを2番目のフィールドに割り当てるだけで、出力にタブ文字があることを確認できます。

  • sub(/intron_/, "", $2)

    これはintron_2番目のフィールドから削除されます。

  • sub(/:.*/, "", $2)

    これにより、2番目のフィールドの最初のコロンの後のすべてのエントリが削除されます。

  • print

    これにより、新しい行が印刷されます。

awkカスタム列形式で使用

これは上記と似ていますが、printf必要に応じて列の幅と並べ替えをカスタマイズできるようにフォーマットを使用します。

$ awk  '{sub(/intron_/, "", $2); sub(/:.*/, "", $2); printf "%-3s %-12s %8s %3s\n",$1,$2,$3,$4}' file
id  target_id      length eff_length
1   FBgn0000721      1136 243.944268
1   FBgn0000721      1122 240.237419
2   FBgn0264373        56   0

ここのステートメントは、printf "%-3s %-12s %8s %3s\n",$1,$2,$3,$4一般的なスタイルで列の幅と並べ替えを選択しますprintf。

タブ区切りを使用しsedてコンマ区切りに変換します。

$ sed -E 's/ intron_([^:]*):[^[:space:]]*/ \1/; s/[[:space:]][[:space:]]*/,/g' file 
id,target_id,length,eff_length
1,FBgn0000721,1136,243.944268
1,FBgn0000721,1122,240.237419
2,FBgn0264373,56,0

おすすめ記事