如何提取列文本在AWK

我有这样的数据：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)

我需要等的输出：

rs16941 
rs16942 
rs1060915 
rs1799966 
rs206075

我只需要在此列中提取rs_number。问题是，rs_number总是在不同的位置。

我的解决办法是：

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

这工作完全正常，直到我rs_number的改变位置。

感谢awk的帮助。

来源

2017-02-24 Geroge

，添加一个循环，寻找'rs'，即'的awk“{N = split（$ 1，arr1，“_”）;对于（i = 1; i <= n; i ++）{if（arr1 [i]〜/^rs.*/)print arr1 [i}}'infile'（可能需要一个大括号不匹配固定）。祝你好运 – shellter

你可以使用grep相匹配的线和只打印了比赛，

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

-o，--only匹配

只打印线相匹配的部分。

这也可以使用match函数来完成在awk

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

来源

2017-02-24 14:52:37 nu11p01n73R

这是很好的grep实现！ – Geroge

rs [[]：digit：] - 这就是我一直在寻找的！惊人！非常感谢！ – Geroge

@Geroge不客气。再加上一点，如果你想确保rs后面跟着至少一个数字，那么正则表达式可以更好地写成：rs [[：digit：]] [[：digit：]] *'as '*'匹配零个或多个。希望它有帮助 – nu11p01n73R

我会用sed为：

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

替换：

\1    - Content of capturing group 1

来源

2017-02-24 14:52:56 hek2mgl

谢谢sed解决方案..我有另外一个这样的文本文件的后处理都在awk中实现..所以这是为了在awk中做到这一点..但我喜欢这个解决方案！ – Geroge

'\ +'无论'\ {1，\}'看起来更好imo – FloHe

@Geroge我明白了。 ........ – hek2mgl

用awk：

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

这不应该需要gawk，并应在较旧的计算机

来源

2017-02-24 14:56:01 Aserre

非常好分享你！ – Geroge

另一个awk基础的解决方案，它使用下划线_作为甚至工作字段分隔符并打印以rs开头的字段：

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

来源

2017-02-24 15:58:11 Zlemini

你可以试试这个方法也

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

输出：使用你的代码

rs16941 
rs16942 
rs1060915 
rs1799966 
rs206075

来源

2017-02-25 09:04:56 Kalanidhi

如何提取列文本在AWK

回答

相关问题