我有一個來自 eggnog mapper 的注釋表，需要制作這個 KO 表：
Gene evalue KO
Gene1 0.00003 KO0000
Gene2 0.00005 KO0001
Gene2 0.00005 KO0003
Gene3 0.000005 KO0002
這是我的表（test.txt）：
Gene evalue KO
Gene1 0.00003 KO0000
Gene2 0.00005 KO0001,KO0003
Gene3 0.000005 KO0002
我有 ~17,000 行，輸出為 xlsx 格式。我遇到的第一個問題是，當我將輸出檔案另存為 txt 并在 linux ( head test.txt) 中查看時，某些列如下所示：
Gene,evalue,KO
Gene1 0.00003 KO0000
Gene2 0.0005 "KO0001,KO0003"
Gene3 0.00005 KO0002
如何洗掉這些值周圍的引號？以及如何制作上面的注釋表？
我已經從這個執行緒嘗試過這個腳本（如何將逗號分隔值拆分為多行？）
awk '?BEGIN { OFS="\t" }
{ $1=$1;t=$0; }
{ while(index($0,",")) {
gsub(/,[[:alnum:],]*/,""); print;
$0=t; gsub(OFS "[[:alnum:]]*,",OFS); t=$0;
}
print t
}' file
但由于第三列中值的引號，它似乎陷入了無限回圈。
謝謝
uj5u.com熱心網友回復：
我無法使用您的awk代碼重現您的“無限回圈”問題。（事實上??，代碼根本沒有產生任何輸出）。這是一個替代awk解決方案：
awk 'BEGIN{OFS="\t"} \
NR==1{gsub(",",OFS,$0); print} \
(NR>1 && $0 ~ /,/) {gsub("\"","",$3); split($3,a,","); $3=""; for (i in a) {print $0 a[i]}} \
(NR>1 && $3!=""){print $0}' input.txt
輸出：
Gene evalue KO
Gene1 0.00003 KO0000
Gene2 0.0005 KO0003
Gene2 0.0005 KO0001
Gene3 0.00005 KO0002
要更準確地匹配您預期的輸出格式，請將awk輸出通過管道傳輸到column -t：
awk 'BEGIN{OFS="\t"} \
NR==1{gsub(",",OFS,$0); print} \
(NR>1 && $0 ~ /,/) {gsub("\"","",$3); split($3,a,","); $3=""; for (i in a) {print $0 a[i]}} \
(NR>1 && $3!=""){print $0}' tt.txt | column -t
輸出：
Gene evalue KO
Gene1 0.00003 KO0000
Gene2 0.0005 KO0003
Gene2 0.0005 KO0001
Gene3 0.00005 KO0002
uj5u.com熱心網友回復：
如果您的資料始終是這樣的結構，并且多個值在用逗號分隔的雙引號之間，您可以使用FPAT來定義欄位的內容gnu awk
欄位的內容由模式決定：
"[^"]*"|[^[:space:],]
該模式匹配"..."除逗號之外的 OR 1 非空白字符。
然后您可以列印前 2 個欄位，并為第三個欄位檢查是否有逗號。如果有，則模式的第一部分與雙引號匹配，因為它是唯一可以包含逗號的部分。
然后，您可以拆分"或,使用字符類。列印拆分回傳的所有值，并丟棄回圈中的第一個和最后一個條目，因為它們是由雙引號引起的。
awk -v OFS="\t" -v FPAT='"[^"]*"|[^[:space:],] ' '
{
start = $1 OFS $2
if (index($3, ",")) {
n=split($3, a,/[,"]/)
for(i=2;i<n;i ) print start OFS a[i]
next
}
print start OFS $3
}
' file
輸出
Gene evalue KO
Gene1 0.00003 KO0000
Gene2 0.0005 KO0001
Gene2 0.0005 KO0003
Gene3 0.00005 KO0002
轉載請註明出處，本文鏈接：https://www.uj5u.com/qianduan/524800.html
標籤：重击awk