linux - 如何在 linux 中删除列中的特定文本

Question

我有一个包含 3 列的多行文件，如下所示:

col1    set=SamSNP;ANNOVAR_DATE=2015-04-15;Func.ensGene=exonic;Gene.ensGene=ENSCAFG00000000009.3;ANNOVAR_DATE=2015-04-15;Func.ensGene=exonic;GeneDetail.ensGene=.;ALLELE_END    GT:PL

我需要删除从“ANNOVAR_DATE”开始的文本，直到第 3 列中下一次出现“ANNOVAR_DATE”。所需的输出如下所示:

col1    set=SamSNP;ANNOVAR_DATE=2015-04-15;Func.ensGene=exonic;GeneDetail.ensGene=.;ALLELE_END  GT:PL

在 linux 中有什么解决方案吗？

Answer 1

这里有一个使用 sed 的方法

sed -e 's/\(.*\)\(ANNOVAR_DATE=[^;]*;\).*ANNOVAR_DATE=*[^;]*;\(.*\)/\1\2\3/' <filename>

这会将行分成 4 个部分:

a) ANNOVAR_DATE 之前的所有字符，
b) ANNOVAR_DATE 部分的第一个实例，
c) 直到并包括 ANNOVAR_DATE 的下一个实例的所有内容
d) 线路的其余部分。

'c'被丢弃，a、b、d被存储并打印。

\(.*\) 存储为 \1

\(ANNOVAR_DATE=[^;]*;\) 这部分，包括实际日期和分号存储为 \2

.*ANNOVAR_DATE=*[^;]*; 这将选择下一个 ANNOVAR_DATE 部分之前的所有内容并将其丢弃

最后，\(.*\) 将该行的其余部分存储为 \3