用连续的制表符替换“\tNA\t”答案

【问题标题】：substitute consecutive tabs for "\tNA\t"用连续的制表符替换“\tNA\t”
【发布时间】：2023-03-19 00:08:01
【问题描述】：

有一个格式错误的 tsv 文件，其中到处都是空字段。我希望在 linux 上用“NA”填充这些空白。

我尝试了awk '{gsub("\t\t","\tNA\t"); print$0)'，但这只会将一个空白空间替换为 NA 实例。链接命令 awk '{gsub("\t\t","\tNA\t"); print$0)|awk '{gsub("\t\t","\tNA\t"); print$0) 每行执行两次替换 - 但如果我有很多列要处理，则不是特别有用。

有没有更快（更整洁）的方法来做到这一点？

【问题讨论】：

标签： linux awk gsub

【解决方案1】：

这有点复杂，因为您必须处理换行空字段、行尾空字段和可能连续的空字段。我无法使用 sed 实现某些目标，这可能很疯狂。但是使用 awk 这似乎可行：

$ cat test.txt
a       c   d   e
    g   h   i   j
k   l   m   n   
p           s   t
        w   x   

$ awk -F$'\t' '{for(i=1;i<=NF;++i){if($i==""){printf "NA"}else{printf $i} if(i<NF)printf "\t"} printf "\n"}' test.txt 
a   NA  c   d   e
NA  g   h   i   j
k   l   m   n   NA
p   NA  NA  s   t
NA  NA  w   x   NA

当心复制粘贴，选项卡可能会转换为空格...顺便说一下，我搜索了 CSV 文件的解决方案，并从this thread 对其进行了修改；）您可以看到，最易读的选项是睡一觉。

【讨论】：

【解决方案2】：

您尝试过使用 sed 吗？例如：

cat test.txt
test        test        test
test        test        test

sed 's:\t\t*:\tNA\t:g' test.txt

test    NA  test    NA  test
test    NA  test    NA  test

【讨论】：

我试过了，但是在连续标签的情况下，它只会替换第一个。
你试过全局g参数吗？
是的。 :( 我将您的行复制到命令行并检查了输出。
您在下面的命令和我的命令给出相同的输出。可能是我遗漏了您的文件中的某些内容？
我猜我的文件有多个连续制表符和以制表符开头的行的多个实例。前者只导致第一个 \t\t 替换 \tNA\t（我假设在 \t\t\t 的情况下，该行替换了前两个 \t 但不理会第三个，导致 \tNA\ t\t);后者需要awk '{ gsub(/\t\t/,"\tNA\t") - 当然我肯定有一个等效的 sed （对不起，我没有受过编程培训，所以我不熟悉这些术语）。

【解决方案3】：

好的，这可行： awk '{ gsub(/\t\t\t/,"\tNA\tNA\t"); print $0}' test.txt | awk '{ gsub(/\t\t/,"\tNA\t"); print $0}' | awk '{ gsub(/\t\t/,"\tNA\t"); print $0}' | awk '{gsub(/^[\t]+/,"NA\t"); print $0}'

有趣的是，这不会： awk '{ gsub(/\t\t\t/,"\tNA\tNA\t"); print $0}' test.txt | awk '{ gsub(/\t\t/,"\tNA\t"); print $0}' | awk '{gsub(/^[\t]+/,"NA\t"); print $0}'

我确信有一个更优雅的解决方案..

【讨论】：