Awk 对于每一列，如何仅从行中的第一个单词中删除特定字符？

存档：

1 34566 34765 
2 45678 45789
Scaffold_3 34567 34799
Scaffold_X 67895 66900
Scaffold_Y 34567 34890

注意：有很多行。我只想从第一列中的单词中删除下划线（

。

）。除此之外，不应该有其他变化。我正在学习sed和Awk，所以使用这些工具的任何命令都会很有帮助。此外，解释也会有所帮助

归档：

1 34566 34765 
2 45678 45789
Scaffold3 34567 34799
ScaffoldX 67895 66900
ScaffoldY 34567 34890

---

此awk一衬板应能完成以下工作：

awk '{gsub(/_/,"",$1)}1' input.txt

输出：

1 34566 34765 
2 45678 45789
Scaffold3 34567 34799
ScaffoldX 67895 66900
ScaffoldY 34567 34890

---

使用下划线作为字段分隔符（-F），而不是默认的空白：

awk -F'_' '{print $1$2}' file.txt

---

我稍微修改了您的输入文件，以演示仅删除第一列中的下划线：

13456634765
2 45678 45_789
脚手架3 345 67 34799
脚手架×678×95 66900
脚手架Y 345 U 67 34890

至于删除下划线，我使用了sed：

$ sed 's/^\([^ _]*\)_/\1/' infile 
1 34_566 34765
2 45678 45_789
Scaffold3 345_67 34799
ScaffoldX 678_95 66900
ScaffoldY 345_67 34890

该命令使用替换。我们匹配所有既不是空格也不是下划线的字符并捕获它们：

\（[^\u]*\）

。此表达式锚定在字符串的开头（第一个

^

），后跟下划线

然后，我们用捕获的内容替换它，但去掉下划线（替换字符串中的

\1

反向引用）

---

第一列中有多个下划线 如果第一列中有多个下划线，sed会变得有点棘手。基本上有两种选择：

尝试替换第一列中的下划线（如上所述），重复此操作直到不再发生更改，以便我们知道第一列中的所有下划线都已消失

仅保留模式空间中的第一列，全局替换所有下划线，取回整行，并用新的第一列替换旧的

下面是第一种方法的实现：

sed '
:a                  # Label to jump to
s/^\([^ _]*\)_/\1/  # Replace underscore in first column (like above)
ta                  # Jump to label if something was changed
' infile

sed '
h                    # Copy pattern space to hold space
s/^\([^ ]*\).*/\1/   # Remove everything but the first column
s/_//g               # Delete all underscores
G                    # Append hold space to pattern space

# Replace old first column with underscore-free first column
s/^\(.*\)\n[^ ]*\(.*\)/\1\2/
' infile

这是第二种方法的实现：

sed '
:a                  # Label to jump to
s/^\([^ _]*\)_/\1/  # Replace underscore in first column (like above)
ta                  # Jump to label if something was changed
' infile

sed '
h                    # Copy pattern space to hold space
s/^\([^ ]*\).*/\1/   # Remove everything but the first column
s/_//g               # Delete all underscores
G                    # Append hold space to pattern space

# Replace old first column with underscore-free first column
s/^\(.*\)\n[^ ]*\(.*\)/\1\2/
' infile

最后一步是最棘手的。在此之前，我们的模式空间如下所示（假设输入文件在第一列中有多个下划线）：

ScaffoldY\nSca\u ffold\u Y 345\u 67 34890$
^^^^^^^^^  ^^^^^^^^^^^^^^^^^^^^^^^^
新col 1旧完整生产线

我们通过巧妙地捕获和替换以下内容，将旧的第一列替换为新的第一列：

ScaffoldY\nSca\u ffold\u Y 345\u 67 34890$
^^^^^^^^^             ^^^^^^^^^^^^^
\1                      \2

对于一个如下所示的输入文件

13456634765
2 45678 45_789
Sca_ffold_3345_67 34799
Sca_ffold_X 678_95 66900
Sca_ffold_Y 345_67 34890

我们得到如下输出（命令压缩到一行）：

---

评论 请注意，如果输入文件不是以空格分隔的，这将不起作用。括号表达式中的空格必须更改以反映，例如制表符分隔。第一个解决方案是

sed 's/^\([^[:blank:]_]*\)_/\1/' infile

第二个

sed ':a;s/^\([^[:blank:]_]*\)_/\1/;ta' infile

第三个呢

sed 'h;s/^\([^[:blank:]]*\).*/\1/;s/_//g;G;s/^\(.*\)\n[^[:blank:]]*\(.*\)/\1\2/' infile 

---

这也会替换第一列以外的列中的下划线。没错，我是在假设其他列只包含数字的情况下工作的。一个冒险的假设。非常感谢！我想我学到了一些东西。我将尝试将这种教育应用到我想做的其他替代品中。@everestial007的一个学习可能是使用awk更简单；）嗨，@Benjamin W.：但是，不幸的是，这只在列之间用空格分隔时才起作用。当它们分开时不工作。请参阅输出：1 34566 34765 2 45678 45789脚手架3 345_67 34799脚手架x 678_95 66900脚手架345_6734890@everestial007将括号表达式中空格的所有实例替换为

[：blank://code>，如
sed'h/s^\（[^[：blank:][]*\）…
-这包括空格和制表符。@everestial007请参见答案末尾的备注。