linux - 正则表达式用 SED/AWK 替换特定列

Question

我有这样的数据(制表符分隔):

Organ K     ClustNo Analysis
LN    K200  C12     Gene Ontology
LN    K200  C116    Gene Ontology
CN    K200  C2      Gene Ontology

我想要做的是删除第 3 列 上每一行的 C，标题行除外:

Organ K     ClustNo Analysis
LN    K200  12      Gene Ontology
LN    K200  116     Gene Ontology
CN    K200  2       Gene Ontology

这不行，因为它会影响其他列和标题行:

sed 's/C//'

正确的做法是什么？

Answer 1

使用 awk

awk 是一个很好的工具:

$ awk -F'\t' -v OFS='\t' 'NR>=2{sub(/^C/, "", $3)} 1' file
Organ   K       ClustNo Analysis
LN      K200    12      Gene Ontology
LN      K200    116     Gene Ontology
CN      K200    2       Gene Ontology

工作原理

• -F'\t'

  使用制表符作为输入的字段分隔符。

• -v OFS='\t'

  使用制表符作为输出的字段分隔符

• NR>=2 {sub(/^C/, "", $3)}

  仅针对第一行之后的行从字段 3 中删除初始 C。

• 1

  这是 awk 的 print-the-line 的神秘简写。

使用 sed

$ sed -r '2,$ s/(([^\t]+\t+){2})C/\1/' file
Organ   K       ClustNo Analysis
LN      K200    12      Gene Ontology
LN      K200    116     Gene Ontology
CN      K200    2       Gene Ontology

• -r

  使用扩展的正则表达式。 (在 Mac OSX 或其他 BSD 平台上，使用 -E 代替。)

• 2,$s/(([^\t]+\t){2})C/\1/

  此替换仅适用于从 2 到文件末尾的行。

  (([^\t]+\t){2}) 匹配前两个制表符分隔的列。这假定只有一个选项卡分隔每一列。因为正则表达式包含在括号中，所以它匹配的内容稍后将作为 \1 提供。

  C 这匹配 C。

  \1 只用前两列替换匹配的文本，而不是 C..