如何从awk中的列中提取文本

Question

我有这样的数据：

COSM3755563_(COSMIC),_COSM3755562_(COSMIC),_rs16941_(Gene_file)
COSM148277_(COSMIC),_COSM3755561_(COSMIC),_rs16942_(Gene_file)
rs1060915_(Gene_file;_1000Genomes)
COSM3755560_(COSMIC),_rs1799966_(Gene_file)
rs206075_(Gene_file;_1000Genomes)

我需要这样的输出：

rs16941
rs16942
rs1060915
rs1799966
rs206075

我只需要从这个专栏中提取rs_number。问题是，rs_number总是处于不同的位置。

我的解决办法是：

awk '{split ($1,arr1,"_"); print arr1[1)}' infile

在改变了我的rs_number的位置之前，这一切都很好。

感谢任何在awk方面的帮助。

Answer 1

您可以使用grep来匹配线条，并且只打印匹配项，

$ grep  -o "rs[[:digit:]]*" file
rs16941
rs16942
rs1060915
rs1799966
rs206075

-o，-只匹配 只打印线条的匹配部分。

这也可以使用match函数在awk中完成。

$ awk  '{match($0, "rs[[:digit:]]*", arr); print arr[0]}' file
rs16941
rs16942
rs1060915
rs1799966
rs206075

Answer 2

为此，我将使用sed：

sed 's/.*\(rs[[:digit:]]\{1,\}\).*/\1/' file

搜索：

.*             - any character, zero or more times
\(             - begin of capturing group
rs             - the literal 'rs'
[[:digit:]]    - a digit ...
\{1,\}         - ... one or more times (can be \+ if you use GNU sed)
\)             - end of capturing group
.*             - any character, zero or more times

取代：

\1             - Content of capturing group 1

Answer 3

使用awk：

awk 'match($0, /rs[0-9]+/) { print substr( $0, RSTART, RLENGTH )}' data

这不应该需要gawk，而且即使在旧的计算机上也应该工作。