bash - 使用 sed 编辑非结构化文件

Question

我正在使用 sed 编辑文件并且遇到了一个问题，希望 sed 大师应该能够解决这个问题。

我有一个非结构化/部分结构化的文件，如下所示

##INFO=<ID=EX_TARGET,Number=0,Type=Flag,Description="indicates whether a variant is within the exon pull down target boundaries">
##INFO=<ID=MULTI_ALLELIC,Number=0,Type=Flag,Description="indicates whether a site is multi-allelic">
##source_20160901.1=vcf-subset(r940) -f -c HG02291 /net/isilonP/public/rw/ensembl/1000genomes/release-17/tmp/slicer/1.1-1000000.ALL.chr1.phase3_shapeit2_mvncall_integrated_v5a.20130502.genotypes.vcf.gz
#CHROM  POS ID  REF ALT QUAL    FILTER  INFO    FORMAT  HG02291
1   10177   rs367896724 A   AC  100 PASS    AA=1    GT  1|0
1   10235   rs540431307 T   TA  100 PASS    XX=5    GT  0|0
1   10352   rs555500075 T   TA  100 PASS    JJ=7    GT  0|1

我已使用以下命令向文件中插入一行

sed 's/.*##source_.*/\#\#INFO=\<ID=P_ID\,Number=1\,Type=String\,Description=\"Person Identifier\"\>\n&/' infile > outfile

输出看起来像这样

##INFO=<ID=EX_TARGET,Number=0,Type=Flag,Description="indicates whether a variant is within the exon pull down target boundaries">
##INFO=<ID=MULTI_ALLELIC,Number=0,Type=Flag,Description="indicates whether a site is multi-allelic">
##INFO=<ID=P_ID,Number=1,Type=String,Description="Patient Identifier">
##source_20160901.1=vcf-subset(r940) -f -c HG02291 /net/isilonP/public/rw/ensembl/1000genomes/release-17/tmp/slicer/1.1-1000000.ALL.chr1.phase3_shapeit2_mvncall_integrated_v5a.20130502.genotypes.vcf.gz
#CHROM  POS ID  REF ALT QUAL    FILTER  INFO    FORMAT  HG02291
1   10177   rs367896724 A   AC  100 PASS    AA=1    GT  1|0
1   10235   rs540431307 T   TA  100 PASS    XX=5    GT  0|0
1   10352   rs555500075 T   TA  100 PASS    JJ=7    GT  0|1

接下来我要做的是，将上述文件作为输入并附加 ;P_ID=12345到第 8 列，即 AA=1 , XX=5 , JJ=7

输出应该是这样的-

##INFO=<ID=EX_TARGET,Number=0,Type=Flag,Description="indicates whether a variant is within the exon pull down target boundaries">
##INFO=<ID=MULTI_ALLELIC,Number=0,Type=Flag,Description="indicates whether a site is multi-allelic">
##INFO=<ID=P_ID,Number=1,Type=String,Description="Patient Identifier">
##source_20160901.1=vcf-subset(r940) -f -c HG02291 /net/isilonP/public/rw/ensembl/1000genomes/release-17/tmp/slicer/1.1-1000000.ALL.chr1.phase3_shapeit2_mvncall_integrated_v5a.20130502.genotypes.vcf.gz
#CHROM  POS ID  REF ALT QUAL    FILTER  INFO    FORMAT  HG02291
1   10177   rs367896724 A   AC  100 PASS    AA=1;P_ID=12345 GT  1|0
1   10235   rs540431307 T   TA  100 PASS    XX=5;P_ID=12345 GT  0|0
1   10352   rs555500075 T   TA  100 PASS    JJ=7;P_ID=12345 GT  0|1

到目前为止，我已经设法选择了第 8 列，但我不确定如何在附加信息后将更新的行放回文件中。

这就是我选择第 8 列的方式 -

sed -re '{s/^(\S+\s+){7}(\S+).*$/\2/;p}'

谁能帮我解决这个难题？

提前致谢!

普拉尚

Answer 1

sed -re '{s/^((\S+ +){7}\S+)/\1;P_ID=12345/}' /tmp/so5.txt

其中 /tmp/so5.txt 是您的输入文件。