awk sub 在指定列中

Question

我正在尝试删除不同分隔符前后的文本，仅在特定列中，第 3 列。

第一个分隔符是分号，第二个是逗号。它们也存在于未显示的列中。

输入数据：

chr2L   54273   2L_54273_SNP;rs203207895        A       G       999     PASS    ALTCOUNT=118;DB;REFCOUNT=69     GT      ./.     ./.     0/0 
chr2L   54339   2L_54339_SNP;rs206877787,rs80377533     T       A       999     PASS    ALTCOUNT=114;DB;REFCOUNT=73     GT      ./.     ./.  
chr2L   54587   2L_54587_SNP;rs203534836        A       G       999     PASS    ALTCOUNT=5;DB;REFCOUNT=199      GT      0/0     0/0     0/0  

需要的输出：

chr2L   54273   rs203207895        A       G       999     PASS    ALTCOUNT=118;DB;REFCOUNT=69     GT      ./.     ./.     0/0 
chr2L   54339   rs206877787     T       A       999     PASS    ALTCOUNT=114;DB;REFCOUNT=73     GT      ./.     ./.  
chr2L   54587   rs203534836        A       G       999     PASS    ALTCOUNT=5;DB;REFCOUNT=199      GT      0/0     0/0     0/0  

我的工作重点是仅删除分号之前（包括）之前的文本，但没有显着效果：

awk '{ if ($3 == ".*\;//") {$3 = ""; print} else { print }; }' < a > b
sed 's/.*;//' a > b
awk '{ sub(/*.;/,"",$3) }1 ' < a > b
awk '{sub(;/./*,""); print}' < a > b

Answer 1

我认为你可以使用这样的东西：

awk '{ gsub(/^.*;|,.*$/, "", $3) }1' file

这匹配从第三个字段的开头到分号或从逗号到字段结尾的任何内容，并将它们替换为空字符串。

您的一个问题是您使用的是*.（语法不正确）而不是.*（零个或多个任意字符）。

按照 cmets 中的建议（谢谢），您可能希望使模式更加严格，例如：

/^[^;]*;|,[^,]*$/

仅匹配从开始到第一个 ; 和从最后一个 , 到结束。如果您确定您的数据始终只有一个; 和一个,，这不是必需的，但需要注意。

如果您的输入是制表符分隔的，那么您可以通过指示 awk 来保留空格：

awk 'BEGIN { FS = OFS = "\t" } { gsub(/^.*;|,.*$/, "", $3) } 1' file

FS 和OFS 是用于设置输入和输出字段分隔符的变量。