linux - 在制表符分隔的文本文件中替换单个字符、破折号

Question

我正在使用 GNU bash 运行 Windows，版本 4.3.46(2)-release (x86_64-pc-msys)

可重现的例子

• 我有一个很大的制表符分隔的文本文件，其中有很多行和列。这只是数据格式的一个例子

  echo -e 'Test-123\tA\tA\tC\t-\t-\tT\tG\t'
  Test-123        A       A       C       -       -       T       G
  

问题

• 我只想用 N 替换 - 字符。如果该行的名称包含破折号，我需要保持原样。

• 我想要的输出文件示例:

  Test-123        A       A       C       N       N       T       G
  

我尝试过的解决方案

• 我尝试使用 sed 进行转义

  sed -e 's,\<-\>,N,g'
  

• 没用，我查了一下前后的字符数，是一样的

  tr -cd - < test2_chr01.txt | wc -c
  

如有任何帮助，我们将不胜感激。

谢谢!

Answer 1

另一个 awk:

$ a='Test-123\tA\tA\tC\t-\t-\tT\tG\t' 
$ echo -e $a | awk 'BEGIN{FS=OFS="\t"}{for(i=1;i<=NF;i++)if($i=="-")$i="N"}1'
Test-123        A       A       C       N       N       T       G

解释:

awk '
BEGIN { FS=OFS="\t" }   # delimiters
{
    for(i=1;i<=NF;i++)  # for each field
        if($i=="-")     # if a single dash
            $i="N"      # overwrite it
}1'                     # output

编辑:如果您正在寻找sed解决方案:

$ echo -e $a | sed -e 's/\B-\B/N/g' 
Test-123        A       A       C       N       N       T       G

显然 \B 仅适用于 GNU sed ( here )

另一个编辑:使用 perl 和 lookahead。如果 \t- 后跟 \ţ，我们将其替换为 \tN。这样我们就可以避免重叠区域:

$ echo -e $a | perl -ne 's/\t-(?=\t)/\tN/g; print'
Test-123        A       A       C       N       N       T       G