如何提取列文本在AWK

我有這樣的數據：如何提取列文本在AWK

COSM3755563_(COSMIC),_COSM3755562_(COSMIC),_rs16941_(Gene_file) 
COSM148277_(COSMIC),_COSM3755561_(COSMIC),_rs16942_(Gene_file) 
rs1060915_(Gene_file;_1000Genomes) 
COSM3755560_(COSMIC),_rs1799966_(Gene_file) 
rs206075_(Gene_file;_1000Genomes)

我需要等的輸出：

rs16941 
rs16942 
rs1060915 
rs1799966 
rs206075

我只需要在此列中提取rs_number。問題是，rs_number總是在不同的位置。

我的解決辦法是：

awk '{split ($1,arr1,"_"); print arr1[1)}' infile

這工作完全正常，直到我rs_number的改變位置。

感謝awk的幫助。

來源

2017-02-24 Geroge

，添加一個循環，尋找'rs'，即'的awk「{N = split（$ 1，arr1，「_」）;對於（i = 1; i <= n; i ++）{if（arr1 [i]〜/^rs.*/)print arr1 [i}}'infile'（可能需要一個大括號不匹配固定）。祝你好運 – shellter

你可以使用grep相匹配的線和只打印了比賽，

$ grep -o "rs[[:digit:]]*" file 
rs16941 
rs16942 
rs1060915 
rs1799966 
rs206075

-o，--only匹配

只打印線相匹配的部分。

這也可以使用match函數來完成在awk

$ awk '{match($0, "rs[[:digit:]]*", arr); print arr[0]}' file 
rs16941 
rs16942 
rs1060915 
rs1799966 
rs206075

來源

2017-02-24 14:52:37 nu11p01n73R

這是很好的grep實現！ – Geroge

rs [[]：digit：] - 這就是我一直在尋找的！驚人！非常感謝！ – Geroge

@Geroge不客氣。再加上一點，如果你想確保rs後面跟着至少一個數字，那麼正則表達式可以更好地寫成：rs [[：digit：]] [[：digit：]] *'as '*'匹配零個或多個。希望它有幫助 – nu11p01n73R

我會用sed爲：

sed 's/.*\(rs[[:digit:]]\{1,\}\).*/\1/' file

搜索：

.*    - any character, zero or more times 
\(   - begin of capturing group 
rs    - the literal 'rs' 
[[:digit:]] - a digit ... 
\{1,\}   - ... one or more times (can be \+ if you use GNU sed) 
\)    - end of capturing group 
.*    - any character, zero or more times

替換：

\1    - Content of capturing group 1

來源

2017-02-24 14:52:56 hek2mgl

謝謝sed解決方案..我有另外一個這樣的文本文件的後處理都在awk中實現..所以這是爲了在awk中做到這一點..但我喜歡這個解決方案！ – Geroge

'\ +'無論'\ {1，\}'看起來更好imo – FloHe

@Geroge我明白了。 ........ – hek2mgl

用awk：

awk 'match($0, /rs[0-9]+/) { print substr($0, RSTART, RLENGTH)}' data

這不應該需要gawk，並應在較舊的計算機

來源

2017-02-24 14:56:01 Aserre

非常好分享你！ – Geroge

另一個awk基礎的解決方案，它使用下劃線_作爲甚至工作字段分隔符並打印以rs開頭的字段：

awk -F'_' '{for(i=1;i<=NF;i++){if($i ~/^rs/){print $i}}}' file 
rs16941 
rs16942 
rs1060915 
rs1799966 
rs206075

來源

2017-02-24 15:58:11 Zlemini

你可以試試這個方法也

sed 's/.*\(rs[^\_]\+\).*/\1/' fileName

輸出：使用你的代碼

rs16941 
rs16942 
rs1060915 
rs1799966 
rs206075

來源

2017-02-25 09:04:56 Kalanidhi

如何提取列文本在AWK

回答

相關問題