☰

列から文字で区切られた情報を抽出するには？

tag-icon • tag-icon linux text-processing command-line
列から文字で区切られた情報を抽出するには？

data次のファイルがあります。

head data

19  54240283    .   T   C   .   .   .    188,18:208:14:102:18:189:209:37.7222:37.4681:9:139:9:50:50.8889:40.3545:919.145:640.562:0
1   103020      .   A   C   .   .   .    1,2:3:2:2:2:2:4:38:38:2:2:0:0:46.5:28:0.5:162:0
2   8797402     .   G   A   .   .   .    0,3:3:3:0:3:0:3:38:0:0:3:0:38.3333:840.056:0

最も重要な情報は、4列と6列の間の9列（最も長い列）に隠されています:。たとえば、

19  54240283    .   T   C   .   .   .    18:189
1   103020      .   A   C   .   .   .    2:2
2   8797402     .   G   A   .   .   .    3:0

最後に、これを抽出し、そのための新しい列を作成したいと思います。例えば、

19  54240283    .   T   C   .   .   .    18    189
1   103020      .   A   C   .   .   .    2     2
2   8797402     .   G   A   .   .   .    3     0

誰もがこれを行う方法を理解するのに役立ちますか？ありがとうございます！

答え1

アッ解決策：

awk -F'[[:space:]]+|:' '{ print $1,$2,$3,$4,$5,$6,$7,$8,$13,$14 }' data | column -t

出力：

19  54240283  .  T  C  .  .  .  18  189
1   103020    .  A  C  .  .  .  2   2
2   8797402   .  G  A  .  .  .  3   0
  • -F'[[:space:]]+|:'- スペースは:フィールド区切り文字として扱われます。

答え2

perl -pe 's|\d+,(\S+)$|join "\t", (split /:/, $1)[4,5]|e' data

結果

19  54240283    .   T   C   .   .   .    18     189
1   103020      .   A   C   .   .   .    2      2
2   8797402     .   G   A   .   .   .    3      0

関連情報