在特定列的连字符后保留部分字符串

Question

对于输入文件中的第 2 列，我想保留连字符之后的部分。我试过 cut 命令，但不知道如何将其仅应用于第二列：

echo TCCCATATGGTCTAGCGGTTAGGATTCCT   1-230823 | cut -d - -f 2
230823

输入：

TCCCATATGGTCTAGCGGTTAGGATTCCT   1-230823
GCATTGGTGGTTCAGTGGTAGAATTCTC    2-172580

输出：

TCCCATATGGTCTAGCGGTTAGGATTCCT   230823
GCATTGGTGGTTCAGTGGTAGAATTCTC    172580

Answer 1

这应该可以帮助您 awk。只需替换第 2 列 - 之前的所有内容，然后打印该行（使用显示的示例编写和测试）。

awk '{sub(/.*-/,"",)} 1' Input_file

第二个解决方案： 如果你想在 awk 变量中提及字段编号；然后尝试：

awk -v field="2" '{sub(/.*-/,"",$field)} 1' Input_file

通用解决方案（处理多个字段值）：如果OP需要在多个字段中执行替换，可以定义为awk 变量然后请尝试以下。

awk -v field="2,3" '
BEGIN{
  num=split(field,array,",")
  for(i=1;i<=num;i++){ fields[array[i]] }
}
{
  for(i=1;i<=NF;i++){
    if(i in fields){ sub(/.*-/,"",$i) }
  }
}
1' Input_file

Answer 2

你可以使用这个 awk:

awk '{sub(/^[^-]*-/, "", )} 1' file

TCCCATATGGTCTAGCGGTTAGGATTCCT 230823
GCATTGGTGGTTCAGTGGTAGAATTCTC 172580

Answer 3

您可以使用以下 sed 命令：

sed -E 's/^([^[:space:]]+[[:blank:]]+)[0-9]+-//' file

参见online sed demo：

s='TCCCATATGGTCTAGCGGTTAGGATTCCT   1-230823
GCATTGGTGGTTCAGTGGTAGAATTCTC    2-172580'
sed -E 's/^([^[:space:]]+[[:blank:]]+)[0-9]+-//' <<< "$s"
# TCCCATATGGTCTAGCGGTTAGGATTCCT   230823
# GCATTGGTGGTTCAGTGGTAGAATTCTC    172580

POSIX ERE（-E 选项启用此语法）正则表达式匹配

^ - 字符串开头
([^[:space:]]+[[:blank:]]+) - 第 1 组（</code> 指该组值）：一个或多个 non-whitespace 个字符后跟一个或多个水平空白字符 </li> <li><code>[0-9]+- - 1 个或多个数字和一个 -.

Answer 4

并且使用 FS 变量，另一个带有 awk 的解决方案可以是：

awk -v FS='[0-9]+-' '{print }' input

TCCCATATGGTCTAGCGGTTAGGATTCCT   230823
GCATTGGTGGTTCAGTGGTAGAATTCTC    172580

Answer 5

$ sed 's/[0-9]*-//' file
TCCCATATGGTCTAGCGGTTAGGATTCCT   230823

Answer 6

有多个分隔符，即连字符和space，最好使用awk，例如：

<infile awk '{ print ,  }' FS='[- ]+'

输出：

TCCCATATGGTCTAGCGGTTAGGATTCCT 230823
GCATTGGTGGTTCAGTGGTAGAATTCTC 172580

在特定列的连字符后保留部分字符串

Keep part of string after hyphen for specific column

unix

awk

sed

cut