使用sed/awk逐列修改文本

Question

我有一个包含三列(制表符分隔)的输入数据，如下所示：

  a  mrna_185598_SGL 463
  b  mrna_9210_DLT   463
  c  mrna_9210_IND   463
  d  mrna_9210_INS   463
  e  mrna_9210_SGL   463

如何使用sed/awk将其修改为四列数据，如下所示：

a  mrna_185598 SGL   463
b  mrna_9210   DLT   463
c  mrna_9210   IND   463
d  mrna_9210   INS   463
e  mrna_9210   SGL   463

原则上，我想将原始的"mrna“字符串分成两部分。

Answer 1

像这样的东西

awk 'BEGIN{FS=OFS="\t"}{split($2,a,"_"); $2=a[1]"_"a[2]"\t"a[3] }1'  file

输出

# ./shell.sh
a       mrna_185598     SGL     463
b       mrna_9210       DLT     463
c       mrna_9210       IND     463
d       mrna_9210       INS     463
e       mrna_9210       SGL     463

在Solaris上使用nawk

如果你有bash

while IFS=$'\t' read -r a b c
do
    front=${b%_*}
    back=${b##*_}
    printf "$a\t$front\t$back\t$c\n"
done <"file"

Answer 2

gawk：

{
  print $1 "\t" gensub(/_/, "\t", 2, $2) "\t" $3
}

Answer 3

只要它们看起来和你发布的没有太大的不同：

sed -E 's/mrna_([0-9]+)_/mrna_\1\t/'