unix / bash：如何僅打印列中的某些字符串

Question

我有一個大於一百萬行的文件，如下所示：

#CHROM POS ID REF ALT QUAL FILTER INFO
1 63735 . CCTA C 106563.91 PASS AC=422;AF=0.301;AN=1401;BaseQRankSum=-18.154;DP=5730;FS=22.693;HOMLEN=3;HOMSEQ=CTA;HRun=0;HaplotypeScore=7.6359;InbreedingCoeff=-0.0873;MQ=26.67;MQ0=1215;MQRankSum=6.893;QD=18.67;ReadPosRankSum=7.611;SB=-51269.38;SVTYPE=DEL;VQSLOD=1.6440;culprit=InbreedingCoeff;set=UG-PINDEL
1 83631 . GT G 29190.62 PASS AC=517;AF=0.398;AN=1298;BaseQRankSum=8.994;DP=2724;FS=14.345;HOMLEN=2;HaplotypeScore=2.8768;InbreedingCoeff=-0.0858;MQ=16.73;MQ0=6144;MQRankSum=22.879;QD=5.63;ReadPosRankSum=-4.971;SB=0.00;SVTYPE=DEL;HOMSEQ=TT;HRun=3;VQSLOD=1.2361;culprit=FS;set=UG-PINDEL
1 125797 . CAAAAT C 2015.26 PASS AC=42;AF=0.039;AN=1084;BaseQRankSum=-0.600;DP=1083;FS=4.122;HOMLEN=3;HOMSEQ=AAA;HRun=0;HaplotypeScore=0.6543;InbreedingCoeff=-0.0391;MQ=11.09;MQ0=2508;MQRankSum=0.338;QD=3.86;ReadPosRankSum=-1.262;SB=-81.35;SVTYPE=INS;VQSLOD=3.1685;culprit=QD;set=UG-PINDEL
1 572203 . AC A 2292.53 PASS AC=62;AF=0.041;AN=1520;BaseQRankSum=-0.597;DP=7721;FS=3.807;HOMLEN=3;HOMSEQ=CCC;HRun=4;HaplotypeScore=3.4199;InbreedingCoeff=-0.0516;MQ=21.98;MQ0=7155;MQRankSum=-10.737;QD=1.41;SB=-0.71;SVTYPE=DEL;ReadPosRankSum=0.803;VQSLOD=2.0910;culprit=FS;set=UG-PINDEL

如您所見，第八列（標題為“ INFO”的列）包含許多信息，並用分號分隔。 我想打印相同的文件，但我不想在第八列中打印所有信息，而是希望在第八列中僅打印“ SVTYPE = DEL”或“ SVTYPE = INS”，因此新文件如下所示：

#CHROM POS ID REF ALT QUAL FILTER INFO
1 63735 . CCTA C 106563.91 PASS SVTYPE=DEL
1 83631 . GT G 29190.62 PASS SVTYPE=DEL
1 125797 . CAAAAT C 2015.26 PASS SVTYPE=INS
1 572203 . AC A 2292.53 PASS SVTYPE=DEL

一個簡單的awk語句無法將第八列視為由分號分隔的多個列，因為“ SVTYPE = DEL”或“ SVTYPE = INS”並不總是出現在同一列中...

有任何想法嗎？ 如果您需要更多信息，請告訴我！

Answer 1

像這樣？ （標題省略）

kent$  awk '$8=$8~/=DEL/?"SVTYPE=DEL":"SVTYPE=INS"' file
1 63735 . CCTA C 106563.91 PASS SVTYPE=DEL
1 83631 . GT G 29190.62 PASS SVTYPE=DEL
1 125797 . CAAAAT C 2015.26 PASS SVTYPE=INS
1 572203 . AC A 2292.53 PASS SVTYPE=DEL

Answer 2

如果您有GNU awk：

awk 'match($8, /SVTYPE=[^;]+/, a) {$8=a[0]} 1'

您不必對標題行做任何特殊的事情。

http://www.gnu.org/software/gawk/manual/html_node/String-Functions.html#index-g_t_0040code_007bmatch_0028_0029_007d-function-1405

Answer 3

這應該可以解決問題：

awk '
BEGIN { 
    print "#CHROM POS ID REF ALT QUAL FILTER INFO" 
} 
NR>1 { 
    for (i=1; i<=NF;i++) if (i<8 || $i~/SVTYPE/) {
        printf $i" "
    }; 
    print "" 
}' FS="[ ;]" temp