bash 文件子字符串仅在匹配项中添加/替换答案

【问题标题】：bash file substring add/replace inplace in matches onlybash 文件子字符串仅在匹配项中添加/替换
【发布时间】：2019-12-05 07:56:54
【问题描述】：

我有一个带有不同条目的VCF file，我需要根据多个匹配替换（或添加如果不存在）一个子字符串。例如

head file

### OUTPUT:
1   47746672    .   A   G   .   .   pz_name=GHARTxI16uuT15921;qual=2201;
1   47746672    .   C   G   .   .   pz_name=GHARMALFI17uuM12201;qual=1932;status=RE;
1   47746675    .   C   G   .   .   pz_name=GHARIGANI17uuA10531;qual=1541;
1   47746675    .   C   G   .   .   pz_name=GHARTxI16uuT15921;qual=1440;status=AC;
1   47746675    .   C   G   .   .   pz_name=GHARFSGSI17uuC19091;qual=816;
# ...

我需要查看一些条件，以便为变异患者的每个组合仅隔离一条特定的行（两者都可以重复，但它们的组合是唯一的）例如以第 4 行为例：

那个$2 == "47746675" && $3 == "C" && $4 == "G"
和pz_name=GHARTxI16uuT15921

在这个特定的行中，我需要：

如果不存在请添加status=something;
将status=<something-else> 替换为status=something（如果存在）

如何在 bash 中使用某种就地替换来完成这一切？可能吗？非常感谢替代性能有效方法的建议！

非常感谢您的任何帮助！

【问题讨论】：

"inplace" 编辑只是意味着某些命令（sed、perl、awk、ruby 等）在内部使用临时文件。您可以在命令行上轻松地执行command file > tmp && mv tmp file 并获得相同的结果。所以不要沉迷于“就地”做事，它只是一点点语法糖，没有什么可真正关心的，当然也与性能无关。不清楚您要附加什么 - status=something 但什么是“某物”？
你从哪里得到"status=..."？

标签： string bash awk in-place vcf-variant-call-format

【解决方案1】：

这是你想要做的吗？

$ awk '{print $0 (/pz_name=GHARFSGSI17uuC19091/ && !/status=/ ? "status=something;" : "")}' file
1   47746675    .   C   G   .   .   ad_alt=73;ad_ref=65;denovo=NA;dp_bin=50;father_dp_bin=NA;father_gt=NA;filter=PASS;gene_name_correct=STIL;gq=99;gt=het;mother_dp_bin=NA;mother_gt=NA;perc_alt=0.5252;pz_name=GHARMALFI17uuM11471;qual=2201;
1   47746675    .   C   G   .   .   ad_alt=65;ad_ref=57;denovo=NA;dp_bin=50;father_dp_bin=NA;father_gt=NA;filter=PASS;gene_name_correct=STIL;gq=99;gt=het;mother_dp_bin=NA;mother_gt=NA;perc_alt=0.5242;pz_name=GHARMALFI17uuM12201;qual=1932;status=RE;
1   47746675    .   C   G   .   .   ad_alt=53;ad_ref=38;denovo=NA;dp_bin=50;father_dp_bin=NA;father_gt=NA;filter=PASS;gene_name_correct=STIL;gq=99;gt=het;mother_dp_bin=NA;mother_gt=NA;perc_alt=0.5824;pz_name=GHARIGANI17uuA10531;qual=1541;
1   47746675    .   C   G   .   .   ad_alt=48;ad_ref=49;denovo=NA;dp_bin=50;father_dp_bin=NA;father_gt=NA;filter=PASS;gene_name_correct=STIL;gq=99;gt=het;mother_dp_bin=NA;mother_gt=NA;perc_alt=0.4948;pz_name=GHARTxI16uuT15921;qual=1440;status=AC;
1   47746675    .   C   G   .   .   ad_alt=29;ad_ref=39;denovo=NA;dp_bin=50;father_dp_bin=NA;father_gt=NA;filter=PASS;gene_name_correct=STIL;gq=99;gt=het;mother_dp_bin=NA;mother_gt=NA;perc_alt=0.4265;pz_name=GHARFSGSI17uuC19091;qual=816;status=something;

如果您想要“就地”编辑，那么使用 GNU awk 使用 awk -i inplace '...' file，或者使用任何 awk 使用 awk '...' file > tmp && mv tmp file。

更新：鉴于您更新的问题：

$ awk '$2 == "47746675" && $4 == "C" && $5 == "G" && /pz_name=GHARFSGSI17uuC19091/{ sub(/(status=.*)?$/,"status=something;")} 1' file} 1' file
### OUTPUT:
1   47746672    .   A   G   .   .   pz_name=GHARTxI16uuT15921;qual=2201;
1   47746672    .   C   G   .   .   pz_name=GHARMALFI17uuM12201;qual=1932;status=RE;
1   47746675    .   C   G   .   .   pz_name=GHARIGANI17uuA10531;qual=1541;
1   47746675    .   C   G   .   .   pz_name=GHARTxI16uuT15921;qual=1440;status=AC;
1   47746675    .   C   G   .   .   pz_name=GHARFSGSI17uuC19091;qual=816;status=something;
# ...

【讨论】：

@DavidC.Rankin 三元表达式在括号内时总是更容易阅读，并且在某些情况下，在某些 awks 中，未加括号的三元表达式会产生语法错误（我不得不谷歌搜索示例） .所以我总是在我的三元表达式周围使用括号。
谢谢您，但这会将status=something 附加到与pz_name 模式匹配且没有status=... 的所有行中。我只需要在匹配pz_name 和示例if ($2 == "47746675" && $4 == "C" && $5 == "G") 的前三个条件的行中执行此操作。此外，如果status=<something-else> 已经存在，我需要替换（例如用status=something）。抱歉，我知道这是一个非常复杂的解决方法，甚至不知道是否可行.... 再次感谢您
如何添加这些附加条件不是很明显吗？这听起来一点也不复杂，但请清理您的问题以明确您的要求并提供minimal reproducible example，其中包含简洁、可测试的示例输入和预期输出，其中每行不超过 1,200 个字符宽！
是的，好多了，我更新了我的答案。太糟糕了，您没有在示例中包含必须替换现有status= 的情况，因此我们没有进行测试。也太糟糕了，缺少预期的输出，所以确定我的工具产生的输出是否是你想要的。
这正是我所需要的！非常感谢@EdMorton！也感谢您纠正我并教我如何提出更有效的问题！