在特定列的连字符后保留部分字符串答案

【问题标题】：Keep part of string after hyphen for specific column在特定列的连字符后保留部分字符串
【发布时间】：2021-01-01 00:49:39
【问题描述】：

对于输入文件中的第 2 列，我想保留连字符后的部分。我尝试了cut 命令，但不知道如何仅将其应用于第二列：

echo TCCCATATGGTCTAGCGGTTAGGATTCCT   1-230823 | cut -d - -f 2
230823

输入：

TCCCATATGGTCTAGCGGTTAGGATTCCT   1-230823
GCATTGGTGGTTCAGTGGTAGAATTCTC    2-172580

输出：

TCCCATATGGTCTAGCGGTTAGGATTCCT   230823
GCATTGGTGGTTCAGTGGTAGAATTCTC    172580

【问题讨论】：

标签： unix awk sed cut

【解决方案1】：

这应该可以帮助您awk。只需将所有内容替换为第二列中的-，然后打印该行（使用所示示例编写和测试）。

awk '{sub(/.*-/,"",$2)} 1' Input_file

第二个解决方案：如果您想在 awk 变量中提及字段编号；然后尝试：

awk -v field="2" '{sub(/.*-/,"",$field)} 1' Input_file

通用解决方案（处理多个字段值）： 如果 OP 需要在可以定义为 awk 变量的多个字段中执行替换，请尝试关注。

awk -v field="2,3" '
BEGIN{
  num=split(field,array,",")
  for(i=1;i<=num;i++){ fields[array[i]] }
}
{
  for(i=1;i<=NF;i++){
    if(i in fields){ sub(/.*-/,"",$i) }
  }
}
1' Input_file

【讨论】：

【解决方案2】：

你可以使用这个 awk：

awk '{sub(/^[^-]*-/, "", $2)} 1' file

TCCCATATGGTCTAGCGGTTAGGATTCCT 230823
GCATTGGTGGTTCAGTGGTAGAATTCTC 172580

【讨论】：

【解决方案3】：

您可以使用以下sed 命令：

sed -E 's/^([^[:space:]]+[[:blank:]]+)[0-9]+-/\1/' file

见online sed demo：

s='TCCCATATGGTCTAGCGGTTAGGATTCCT   1-230823
GCATTGGTGGTTCAGTGGTAGAATTCTC    2-172580'
sed -E 's/^([^[:space:]]+[[:blank:]]+)[0-9]+-/\1/' <<< "$s"
# TCCCATATGGTCTAGCGGTTAGGATTCCT   230823
# GCATTGGTGGTTCAGTGGTAGAATTCTC    172580

POSIX ERE（-E 选项启用此语法）正则表达式匹配

^ - 字符串开头
([^[:space:]]+[[:blank:]]+) - 第 1 组（\1 指此组值）：一个或多个非空白字符后跟一个或多个水平空白字符
[0-9]+- - 1 个或多个数字和一个 -。

【讨论】：

【解决方案4】：

使用FS 变量，awk 的另一种解决方案可以是：

awk -v FS='[0-9]+-' '{print $1 $2}' input

TCCCATATGGTCTAGCGGTTAGGATTCCT   230823
GCATTGGTGGTTCAGTGGTAGAATTCTC    172580

【讨论】：

【解决方案5】：

$ sed 's/[0-9]*-//' file
TCCCATATGGTCTAGCGGTTAGGATTCCT   230823

【讨论】：

【解决方案6】：

如果有多个分隔符，即连字符和空格，最好使用awk，例如：

<infile awk '{ print $1, $3 }' FS='[- ]+'

输出：

TCCCATATGGTCTAGCGGTTAGGATTCCT 230823
GCATTGGTGGTTCAGTGGTAGAATTCTC 172580

【讨论】：