如何使用Bash对给定列中的mach模式的所有行进行子集化？

Question

给定制表符分隔文件：

1    cat      1|1    0|1    0|0    0|0
2    mouse    0|1    1|1    1|1    0|0
3    horse    0|1    0|1    1|1    1|0
4    dog      0|0    0|0    0|0    0|0
5    human    0|0    0|0    0|0    0|0

如何仅对最后三列中包含一个或多个“1 | 1”的所有行进行子集化？ 即子集应返回：

2    mouse    0|1    1|1    1|1    0|0
3    horse    0|1    0|1    1|1    1|0

我需要子集的文件有2500列和100000行。 第9列到第2500列包含0 | 0 1 | 1 1 | 0或0 | 1。 如何使用Bash将包含一个或多个字符串1 | 1的所有行在9到2500的任何列中进行子集化？

我努力了：

awk '/^1|1$/' dummy.vcf > dummy.vcf1

但是，这似乎不起作用。 此外，它考虑所有列而不是列9到2500。

如果有人能够提供帮助，将不胜感激！

谢谢

Answer 1

这可能是你想要的：

$ awk '{ for (i=4;i<=NF;i++) if ($i == "1|1") { print; next } }' file
2    mouse    0|1    1|1    1|1    0|0
3    horse    0|1    0|1    1|1    1|0

对于您的真实数据，只需更改4到9：

awk '{ for (i=9;i<=NF;i++) if ($i == "1|1") { print; next } }' file

或者给出你的样本数据：

$ awk 'match($0,/^([^\t]+\t){3}.*1\|1/)' file
2       mouse   0|1     1|1     1|1     0|0
3       horse   0|1     0|1     1|1     1|0

并为您的真实数据更改3到8。 最后一个假设只有一位数字带| 在每个领域之间，你不能有11|10例如。

Answer 2

你可以使用grep：

grep $'^\([^\t]*\t\)\{7\}.*\t1|1' file

• $''将\\t解释为标签
• \\{7\\}表示前一个标记重复七次
• [^\\t]*匹配非标签零次或多次，即列
• ^匹配一行的开头
• .*此前跟随前七列，后跟一个标签，即列后至少9列