通过特定分隔符删除字符串

Question

我在文件中有几列，其中第二列有“：”分隔符，我想删除第二列中的第一个、第三个和第四个字符串，并将第二个字符串留在该列中。但我有正常的分隔符空间，所以我不知道。

input:

--- 22:16050075:A:G 16050075 A G
--- 22:16050115:G:A 16050115 G A
--- 22:16050213:C:T 16050213 C T
--- 22:16050319:C:T 16050319 C T
--- 22:16050527:C:A 16050527 C A

desired output:

--- 22 16050075 16050075 A G
--- 22 16050115 16050115 G A
--- 22 16050213 16050213 C T
--- 22 16050319 16050319 C T
--- 22 16050527 16050527 C A

Wrong:
cat df.txt | awk -F: '{print $1, $3, $6, $7, $8}'

--- 22 A
--- 22 G
--- 22 C
--- 22 C
--- 22 C

但我做不到。awk 和 sed 命令可以吗？

谢谢你。

Answer 1

只需使用POSIX兼容split()功能$2作为

awk '{split($2,temp,":"); $2=temp[2];}1' file
--- 16050075 16050075 A G
--- 16050115 16050115 G A
--- 16050213 16050213 C T
--- 16050319 16050319 C T
--- 16050527 16050527 C A

在 de-limiter 上拆分第 2 列:，将$2值更新为所需元素 ( temp[2]) 并打印其余字段（{}1基于FS并打印所有单个字段重新构造）。

推荐使用多个分隔符，因为它会改变单个字段的绝对位置，同时split()可以轻松保留位置并仅提取所需的值。

对于添加新列的更新要求，只需执行

awk '{split($2,temp,":"); $2=temp[1] FS temp[2];}1' file
--- 22 16050075 16050075 A G
--- 22 16050115 16050115 G A
--- 22 16050213 16050213 C T
--- 22 16050319 16050319 C T
--- 22 16050527 16050527 C A

或者，如果您有GNU awk/gawk您可以将其gensub()用于基于正则表达式（使用POSIX字符类[[:digit]]）的提取作为

awk '{$2=gensub(/^([[:digit:]]+):([[:digit:]]+).*$/,"\\1 \\2","g",$2);}1' file
--- 22 16050075 16050075 A G
--- 22 16050115 16050115 G A
--- 22 16050213 16050213 C T
--- 22 16050319 16050319 C T
--- 22 16050527 16050527 C A

该gensub(/^([[:digit:]]+):([[:digit:]]+).*$/,"\\1 \\2","g",$2)部分仅捕获由:捕获组分隔的前两个字段\\1，\\2并按原样打印其余字段。