我有非常大的基因型文件，基本上不可能在 R 中打开，所以我尝试使用 linux 命令行提取感兴趣的行和列。行使用头/尾很简单，但我很难弄清楚如何处理列。
如果我尝试使用
提取（例如）第 100-105 个制表符或空格分隔的列 cut -c100-105 myfile >outfile
如果每列中有多个字符的字符串，这显然是行不通的。有没有办法用适当的参数修改 cut 以便提取列中的整个字符串，其中列定义为空格或制表符（或任何其他字符）分隔？
【问题讨论】：
-c100-105，不是-c100-1005，不是吗？你不想要一千零五列吗？到目前为止提交的两个答案使用 1005 ！
标签： linux
如果命令应该同时使用制表符和空格作为分隔符，我会使用awk:
awk '{print $100,$101,$102,$103,$104,$105}' myfile > outfile
只要您只需要指定 5 个字段，只需键入它们就可以，对于更长的范围，您可以使用 for 循环：
awk '{for(i=100;i<=105;i++)print $i}' myfile > outfile
如果你想使用cut，你需要使用-f选项：
cut -f100-105 myfile > outfile
如果字段分隔符与TAB 不同，您需要使用-d 指定它：
cut -d' ' -f100-105 myfile > outfile
查看the man page 了解有关剪切命令的更多信息。
【讨论】：
cut。我添加了一个可以处理制表符和空格的 awk 命令。
您可以使用 cut 与这样的分隔符：
带空格分隔符：
cut -d " " -f1-100,1000-1005 infile.csv > outfile.csv
带制表符分隔符：
cut -d$'\t' -f1-100,1000-1005 infile.csv > outfile.csv
我给了你可以提取区间列表的 cut 版本...
希望对你有帮助！
【讨论】：
-d$'\t' 语法。 （虽然不是必需的，因为TAB 是默认分隔符）
awk --field-searator="\\t" '{print $1}' filename 语法。
awk '{print $1}'（制表符是默认分隔符）