使用一组特定列的 awk 或 sed 更改字段分隔符答案

【问题标题】：Change field separator with awk or sed of a specific set of columns使用一组特定列的 awk 或 sed 更改字段分隔符
【发布时间】：2020-11-05 11:42:20
【问题描述】：

我想修改一个同时使用制表符和空格作为字段分隔符的文件。一开始我们有一个具有这种结构的文件：

 chr1    Cufflinks    gene_id "XLOC_000001"; oId "XR_003076322.1";
 chr1    Cufflinks    gene_id "XLOC_000012"; oId "XR_001548508";

执行awk -F' ' '$4=$6 {print $0}' 执行我正在寻找的（将“gene_id”的值更改为“oId”中的值）：

 chr1 Cufflinks gene_id "XR_003076322.1"; oId "XR_003076322.1";
 chr1 Cufflinks gene_id "XR_001548508"; oId "XR_001548508";

问题在于它改变了行结构：chr1、Cufflinks 和 gene_id 之间的标签 \t 消失了。我尝试添加-v OFS=\t，但它会将制表符放在gene_id "XLOC_000012"; oId "XR_001548508"; 部分（应该用空格分隔）。我也尝试过使用sed 类似sed -i 's/ /\t/' 的东西，但它也到处都是标签。

如何将第 1 列的字段分隔符更改为第 3 列（并且不要将第 3 列更改为第 6 列）？

【问题讨论】：

您的条件$4=$6 实际上不是一个条件，= 是一个赋值运算符，所以您要比较 $4 和 $6 吗？或者您想将第 4 个字段值指定为第 6 个字段？请确认一次。
不，这不是条件，这是故意的。我需要将 $6 的值分配给 $4

标签： awk sed

【解决方案1】：

使用 awk 的可能性：

awk -F '[ ]' '{$2 = $4; print}' file

通过使用空格字符作为输入字段分隔符（与空格和制表符相反），可以在不将制表符更改为空格的情况下分配字段。

对于更复杂的情况，有split（但没有“join”）：

awk 'BEGIN {FS=OFS="\t"} {n = split($3, a, " "); a[2] = a[4]; for (i=1; i<=n; ++i)
    $3 = (i == 1 ? "" : $3 " ") a[i]
} 1' file

【讨论】：

【解决方案2】：

您可以使用此sed 来保留您的空格：

sed -E $'s/^([ \t]*([^ \t]+[ \t]+){3})[^ \t]+([ \t]+)(([^ \t]+[ \t]+){1})([^ \t]+)/\\1\\6\\3\\4\\6/' ff

chr1    Cufflinks    gene_id "XR_003076322.1"; oId "XR_003076322.1";
chr1    Cufflinks    gene_id "XR_001548508"; oId "XR_001548508";

将第 6 个字段复制到第 4 个字段的说明：

^: #比赛开始
([ \t]*([^ \t]+[ \t]+){3}): # 匹配前 4-1 个字段并在组 #1 中捕获
[^ \t]+: #匹配第4个字段
([ \t]+): # 匹配第 4 个字段后的空格并在第 3 组中捕获
(([^ \t]+[ \t]+){1}): # 匹配下一个 (6-4-1) 字段并在组 #4 中捕获
([^ \t]+): # 匹配第 6 个字段并在第 6 组中捕获
\\1\\6\\3\\4\\6: 将反向引用放回去替换

或者，这个awk 也创建一个表格对齐的输出：

awk '$4=$6' file | column -t

chr1  Cufflinks  gene_id  "XR_003076322.1";  oId  "XR_003076322.1";
chr1  Cufflinks  gene_id  "XR_001548508";    oId  "XR_001548508";

【讨论】：

谢谢，第一个答案是正确的，但第二个答案不正确，因为它将标签放在任何地方。你能解释一下sed命令吗？我需要将其调整为包含超过 15 列的更复杂的文件
我将在我的sed 命令中添加解释。是的，第二个不会保留原始空格，但会创建新的表格格式。
非常感谢这些解释 :) 它工作正常