如何在文本文件中将一列分成两个制表符分隔的列答案

【问题标题】：How to separate a column into two tab delimited columns in a text file如何在文本文件中将一列分成两个制表符分隔的列
【发布时间】：2015-11-13 19:16:51
【问题描述】：

我有一个包含 5 列的输入文件，但我需要将第 5 列分成两列，因此输出文件总共有 6 个。

我的输入文件数据如下所示：

chrX    100629986   100630758   -   ENSG00000000003.14.IntrontENST00000373020.8.Intron  
chrX    100630866   100632484   -   ENSG00000000003.14.IntrontENST00000373020.8.Intron  
chrX    100632568   100633404   -   ENSG00000000003.14.IntrontENST00000373020.8.Intron

您注意到我的所有数据中的第 5 列具有相似的结构，所以我想做的是让我的第 5 列包含 "ENSG00000000003.14.Intron" 并且我的第 6 列包含 “tENST00000373020.8.Intron”

但并非我所有的数据都有 .Intron 标签，例如：

chrX    100597503   100597531   +   ENSG00000000005.5tENST00000485971.1

但是您会注意到我的所有数据都是 "t"，因此这就是我想用来分隔这些列的方法。我不确定如何对有几十万行的数据执行此操作，手动执行此操作将花费太长时间。我还需要将整个文件用制表符分隔，以便我可以继续进一步处理这些数据。

提前感谢大家，

【问题讨论】：

“t”字符是否出现在文件的其他位置？它总是以 ENSG + 数字和点开头吗？
在“Intron”这个词之外，它有时是第 5 列中某些行的后缀，如原始帖子所示，那么不，它没有。
"t" 后面总是跟着 ENST + 东西吗？
是的，总是 ENST 以及之后的一些数字变化。

标签： awk sed multiple-columns

【解决方案1】：

您可以使用 sed 插入标签：

sed 's/tENST/\t&/' < input > output

每个 tENST 字符串都替换为制表符 + 字符串。

对于某些 sed 版本，您可以尝试使用 $'s/tENST/\t&/' 代替（即在前面添加 $）。

【讨论】：

输出以下内容：CHRX 100629986 100630758-ENSG00000000003.14.INTRONTTINST0000000033020.8/44.IntrontTenst00000373020.83.14。 Intron 编辑：Yikes 不知道如何在 cmets 中格式化代码。
@System: 你在什么操作系统上？
Mac OS X 版本 10.9.5
是否需要更新？整个实验室都在使用 Mac，因此未经 PI 许可，我不得进行任何更新，而且他今天不在。
哇，这真的很尴尬。这完美无瑕，谢谢！我已经继续并接受了答案！ :)

【解决方案2】：

有了 awk，你会写

awk -F"\t" '{sub(/tENST/, FS "tENST", $5); print}' file > output

【讨论】：

如您所见，只有一个可接受的答案是可能的，而 choroba 是更好的答案。