linux - 如何合并特定行中两列的内容而不移动列的其余单元格

Question

我有制表符分隔的输入文件，其中第二列的一些内容是空格分隔的，因此在两列之间划分，以空格作为分隔符，例如“LEA类型”完全属于相同的第二列，但其划分方式是“LEA”出现在第二列中，“类型”出现在第三列中，类似地“核糖体蛋白L21P”是相同的名称应该出现在第二列下，但分为第二列，第三列和第四列。

1st_col     2nd_col     3rd_col    4th_col  5th_col 6th_col
tATAAAta    TBP         ~           1       
tACCAT      Ribosomal   protein     L21P    ~   2
agtACCAT    Ribosomal   protein     L21P    ~   2
ATGTActt    AP2         ~           1       
GCAACggagc  LEA         type        1       ~   1
ATGGTa      Ribosomal   protein     L21P    ~   1
ATGGTctt    Ribosomal   protein     L21P    ~   2
ATGGTaca    Ribosomal   protein     L21P    ~   1

期望的输出应该是这样的，这样“LEA type”应该像这样“LEA_type”一样位于第二列，并且其他单元格的位置和内容不会移动。

1st_col     2nd_col                 3rd_col 4th_col 5th_col 6th_col
tATAAAta    TBP                     ~       1
tACCAT      Ribosomal_protein_L21P  ~       2
agtACCAT    Ribosomal_protein_L21P  ~       2
ATGTActt    AP2                     ~       1
GCAACggagc  LEA_type                ~       1
ATGGTa      Ribosomal_protein_L21P  ~       1
ATGGTctt    Ribosomal_protein_L21P  ~       2
ATGGTaca    Ribosomal_protein_L21P  ~       1

我已经尝试过类似的方法，但它也会导致其他细胞发生变化。

 sed 's/LEA\stype/LEA_type/g' 1_com_final_2922.txt | sed 's/Ribosomal\sprotein/Ribosomal_protein/g'

提前致谢。

Answer 1

这是更灵活的方法，

awk '$2~/[^0-9|^~]+/{                  # search the line which $2 is not numeric nor tide
  for(i=3;i<=NF;i++){             # continue to search start from $3
    if($i~/[^0-9|^~]+/){          # if $i is not numeric nor tide
      $2=sprintf("%s_%s",$2,$i);  # substitute $2 as $2_$i 
      $i=""                       # set $i=""
    } else                        # if hit something numeric or tide, we break
      break
  }
}1'

这是一句，

awk '$2~/[^0-9|^~]+/{for(i=3;i<=NF;i++){ if($i~/[^0-9|^~]+/){ $2=sprintf("%s_%s",$2,$i); $i="" } else break } }1' file

编辑:

更新了更新OP的答案，

awk '$3~/[^~]/ && NR>1{for(i=3;i<=NF;i++){ if($i~/[^0-9|^~]+/){ $2=sprintf("%s_%s",$2,$i); $i="" } else{$3="~"; $4=$(i+1); $i=""; $(i+1)=""; break} } }1' file5 | column -t