当行匹配条件时删除列答案

【问题标题】：Remove columns when line matches a condition当行匹配条件时删除列
【发布时间】：2015-06-06 12:50:19
【问题描述】：

我正在尝试从文本文件中删除与字符串匹配的行中的某些列，但其余行保持不变。

假设我有一个文件（实际上有数千行）

10 12 a
USA John TGCAGG
USA John TGCATG
5 2 b
CAN Tom TGCACG
CAN Tom TGCAAC
....

我想创建一个新文件，删除包含 TGCA 的行中的第二列，但保留所有其他行不变。我想看看：

10 12 a
USA TGCAGG
USA TGCATG
5 2 b
CAN TGCACG
CAN TGCAAC

我可以修改在匹配的行上打印哪些列，使用正则表达式启动 awk 或 sed，但我无法打印其他行（未修改）或保留这些行的顺序。

我需要在 awk 中使用 if 语句吗？尝试使用下一个，但我认为我没有这个权利。

【问题讨论】：

【解决方案1】：

我会说：

$ awk '/TGCA/ {$2=$3; NF--} 1' file
10 12 a
USA TGCAGG
USA TGCATG
5 2 b
CAN TGCACG
CAN TGCAAC

即：当该行包含TGCA时，将第2列替换为第3列，并减少字段数。即删除第 2 列。

【讨论】：

我不太了解这里如何使用 NF 或如何设置所需的字段数...如果有 4 列并且我想保留 3 和 4 怎么办？或者假设我想保留第 1 列、第 3 列和第 4 列（但不是第 2 列）？有没有更通用的方法来做到这一点（或解释代码）而不减少字段？
在 awk 中删除一列是相当棘手的。为了防止出现尾随空格，我会选择这样的东西：how to remove the first two columns in a file using shell (awk, sed, whatever)
因此，如果您能负担得起减少NF 的费用就可以了。如果它必须更复杂，我仍然会做一些列移动，最后还是减少NF。
好的。这将在匹配 TGCA 的行上打印字段 3 和 4：awk '/TGCA/{print substr($0, index($0, $3))}'。但是，只打印那些行。知道如何获得其他线路吗？ awk 例程末尾的 1 是重要的代码吗？
@LP_640 1 代表“真”，因此无论如何它都会打印该行。如果您已经打印了它，那么您可以使用 next: awk '/TGCA/{print substr($0, index($0, $3)); next} 1' 跳过它。

【解决方案2】：

使用 GNU sed：

sed '/TGCA/ s/\s\+\S*//' filename

这将从包含TGCA 的行中删除第一次出现的一个或多个空格，后跟任意数量的非空格——即第二列和它前面的空格。

对于 BSD sed，这必须修改，因为它不理解 \s 或 \S（或 \+ - 有点痛苦）。在这种情况下，

sed '/TGCA/ s/[[:space:]]\{1,\}[^[:space:]]*//' filename

做同样的事情。

【讨论】：