使用特定列集的awk或sed更改字段分隔符

Question

我想修改一个文件，其中制表符和空格都用作字段分隔符。在开始时，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}'执行我正在寻找的内容(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之间的选项卡Cufflinks消失了。我尝试添加-v OFS=\t，但是它在gene_id "XLOC_000012"; oId "XR_001548508";部件中放置制表符(应该用空格分隔)。我也尝试过使用sed，类似于sed -i 's/ /\t/'，但它也将标签放在任何地方。

如何将第1列的字段分隔符更改为3(而不将第3列更改为6)？

Answer 1

使用awk的可能性：

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

通过使用输入字段分隔符的空格字符(相对于空格和制表符)，可以将字段分配给它，而无需将制表符字符更改为空格。

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

Answer 2

您可以使用保留空白空间的sed：

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";

关于将第6个字段复制到第4个字段的说明：

• ^：#匹配start
• ([ \t]*([^ \t]+[ \t]+){3})：#匹配前4-1字段，捕获组#1
• [^ \t]+：#匹配第4 field
• ([ \t]+)：#匹配空格后的第4字段，在组#3
• (([^ \t]+[ \t]+){1})：#匹配下一步(6-4-1)字段和在组#4
• ([^ \t]+)：#匹配第6字段中捕获，在组#6
• \\1\\6\\3\\4\\6：位置捕获返回substitution

中的引用

或者，此awk还创建一个表格对齐输出：

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";