拆分字符串并切换输出列

Question

我的输入是：

TGCCTCAGTTCAGCAGGAACAGT_1       __not_aligned
CGCCCGATCTCGTCTGATCTCG_0        __too_low_aQual
TTTTAACGCGGACCAGAAACTA_2        __not_aligned
TACCGTGTAGAACCGAATTTGT_69       mir-10
AGGAAGCCCTGGAGGGGCTGGAGA_0      mir-671

我希望输出为：

   __not_aligned    1
   __too_low_aQual  0
   __not_aligned  2
   mir-10    69
   mir-671          0

我试图使用cut函数，但我不确定如何切换列以及如何获得特定的输出？

cut -d _ -f 

Answer 1

你可以用gawk尝试一下：

awk '{match($1,"[0-9]+",a)}{print $2,a[0]}' file

输出：

__not_aligned 1
__too_low_aQual 0
__not_aligned 2
mir-10 69
mir-671 0

或者使用POSIX更好(感谢Ed Morton)：

 awk --posix '{match($1,/[0-9]+/);print $2,substr($0,RSTART,RLENGTH)}' file

Answer 2

$ awk '{sub(/[^_]+_/,""); print $2, $1}' file
__not_aligned 1
__too_low_aQual 0
__not_aligned 2
mir-10 69
mir-671 0

。

$ sed -r 's/[^_]+_([0-9]+)[[:space:]]+(.*)/\2 \1/' file
__not_aligned 1
__too_low_aQual 0
__not_aligned 2
mir-10 69
mir-671 0

Answer 3

如果Perl是一个选项：

perl -lne 'if (/^([ACGT]+)_(\d+)\s+(.*)/){print "$3 $2"}' file

将3个字段捕获到正则表达式中：

^([ACGT]+)以一个或多个ACGT base开头，后跟下划线

(\d+)一个或多个数字，后跟\s+空格

(.*) anything

如果正则表达式匹配，则打印第三个字段和第二个字段