Awk 打印与模式匹配的列旁边的列

我有一个单独的标签文件：

gene        1  A  6  gene_name  TP53       B
exon        6  B  2  2          A          gene_name  MYC2  10.0  B
transcript  3  B  B  4          gene_name  ORF1

如何打印第一列和

gene\u name

列后的下一列？如您所见，

gene\u name

并不总是存在于同一列中

我不确定如何获得这最后一部分：

awk 'BEGIN{OFS="\t"} {print $1, ??}' myFile.tsv

因此，我的预期输出是：

gene TP53
exon MYC2
transcript ORF1

---

谢谢

对于您展示的样本，请尝试以下内容

awk 'BEGIN{FS=OFS="\t"} {for(i=1;i<=NF;i++){if($i=="gene_name"){print $1,$(i+1);next}}}' Input_file

sed -E 's/(\S+).*gene_name\s+(\S+).*/\1\t\2/' Input_file

第一种解决方案：如果在单行中有多个

gene\u name

值，则以下内容可能会有所帮助

awk 'BEGIN{FS=OFS="\t"} {for(i=1;i<=NF;i++){if($i=="gene_name"){print $1,$(i+1);i++}}}' Input_file

第三种解决方案：对于您的非常特殊的情况，

gene\u name

总是出现在第三个字段中，我们可以尝试这一个，对于通用的，尝试第一个或第二个解决方案

awk 'BEGIN{FS=OFS="\t"} $3=="gene_name"{print $1,$4}' Input_file

或者，如果要检查第二个最后一个字段并打印最后一个字段值，请使用：

awk 'BEGIN{FS=OFS="\t"} $(NF-1)=="gene_name"{print $(NF-1),$NF}' Input_file

第四种解决方案：使用

sed

请尝试以下方法

awk 'BEGIN{FS=OFS="\t"} {for(i=1;i<=NF;i++){if($i=="gene_name"){print $1,$(i+1);next}}}' Input_file

sed -E 's/(\S+).*gene_name\s+(\S+).*/\1\t\2/' Input_file

---

您可以使用此

gnu awk

解决方案：

awk'{print gensub（/^（\S+）.*\t gene\u name\t（\S+）.*/，“\\1\t\\2”，“1”）}文件
TP53基因
外显子MYC2
转录本ORF1

使用GNU grep：

grep-oP'（^\S+）|（\bgene\u name\S+\K\S+）myFile.tsv|粘贴--

和

awk

：

awk -v FS=' .*gene_name | ' '{print $1,$2}' file
gene TP53
exon MYC2
transcript ORF1

---

您甚至可以为此使用

sed

，

sed-nE的/^（\s+）.*\sgene_名称（\s+\s+）.*/\1\2/p文件

（GNU）（）。对于sed解决方案，可能是

sed-nE的s/\s.*基因_名称（\s\s+）.*/\1/p'文件

N.B.

gene\u name

后面只有一个

\s

，否则可能会将空字段或一系列空字段误认为所需字段。