将嵌套列拆分为多列 UNIX答案

【问题标题】：Splitting nested column to multiple columns UNIX将嵌套列拆分为多列 UNIX
【发布时间】：2016-09-30 16:08:56
【问题描述】：

我有一个制表符分隔的数据框，最后一列包含嵌套信息，即“|”分隔。请注意，所有行都保持这种嵌套的括号结构，前面有 'REP='

col1    col2    col3    col4
ID1     text    text    text...REP=(info1|info2|info3)
ID2     text    text    text...REP=(info1|info2|info3)

我想处理最后一列，以便括号内的所有信息都是一个新列：

col1    col2    col3    col4   newcol    newcol2    newcol3
ID1     text    text    text   info1     info2      info3
ID2     text    text    text   info1     info2      info3

我认为 AWK 命令会很有用，但在适当地构建它时遇到了麻烦。任何帮助将不胜感激。

【问题讨论】：

REP 之前的那些点真的存在吗，还是代表更多的列？
... 表示 col4 中出现在 'REP=' 之前的附加文本
“REP”之前有标签吗？

标签： unix awk

【解决方案1】：

awk 来救援！

$ awk -v OFS='\t' 'NR==1{nh=NF; header=$0; next} 
                        {v=$NF; 
                         sub(/.*REP=/,"",v);
                         sub(/\.\.\.REP=.*/,"",$NF); 
                         gsub(/[()]/,"",v); 
                         n=split(v,vs,"|"); 
                         for(i=1;i<=n;i++) $(NF+i)=vs[i]} 
                   NR==2{printf "%s", header; 
                         for(i=1;i<=n;i++) printf "%s", OFS "col"(nh+i); 
                         print ""}1' file | column -t

col1  col2  col3  col4  col5   col6   col7
ID1   text  text  text  info1  info2  info3
ID2   text  text  text  info1  info2  info3

【讨论】：

不要急于接受答案； upvote很好，如果你再等一会儿，也许会有更好的解决方案。我没有太多考虑就将这些作为速度编程练习。
不喜欢缩进风格，但这正是我实现它的方式。

【解决方案2】：

perl 一行，但不修改标题

$ cat ip.txt 
col1    col2    col3    col4
ID1     text    text    text REP=(info1|info2|info3)
ID2     text    text    text REP=(info1|info2|info3)

$ perl -pe 's/\s*REP=\(([^)]+)\)/"\t".$1=~tr#|#\t#r/e' ip.txt
col1    col2    col3    col4
ID1     text    text    text    info1   info2   info3
ID2     text    text    text    info1   info2   info3

\s*REP=$([^)]+)$ 零个或多个空格，后跟 REP( 后跟捕获组以提取除 ) 以外的字符，最后是 )
e 修饰符允许在替换部分使用 Perl 代码
$1=~tr#|#\t#r 将 | 更改为捕获组中的选项卡，然后将其连接到包含选项卡的字符串

【讨论】：

当我尝试运行此代码时，我收到如下错误——Bareword found where operator expected at -e line 1, near "s/\|/\t/gr" 语法错误-e 第 1 行，靠近 "s/\|/\t/gr" 执行 -e 由于编译错误而中止。

【解决方案3】：

这确实会在最后留下一个标签，但可以通过额外的 gsub 来修复。

awk 'NR==1 {print $0,"col4\tnewcol\tnewcol2\tnewcol3")} NR>1 {gsub(/...REP=\(|\||\)/, "\t");print}' input.txt

【讨论】：

您只需要更新第一行的标题，而不是每一行：awk 'NR==1 {print $0, "\tnewcol1..."} NR>1 {gsub(/REP .../...); print}'