Linux 按特定分隔符删除字符串

我在一个文件中有几列，其中第二列有“：”分隔符，我想删除第二列中的第一、第三和第四个字符串，并将第二个字符串保留在该列中。但是我有正常的分隔符空间，所以我不知道

input:

--- 22:16050075:A:G 16050075 A G
--- 22:16050115:G:A 16050115 G A
--- 22:16050213:C:T 16050213 C T
--- 22:16050319:C:T 16050319 C T
--- 22:16050527:C:A 16050527 C A

desired output:

--- 22 16050075 16050075 A G
--- 22 16050115 16050115 G A
--- 22 16050213 16050213 C T
--- 22 16050319 16050319 C T
--- 22 16050527 16050527 C A

Wrong:
cat df.txt | awk -F: '{print $1, $3, $6, $7, $8}'

--- 22 A
--- 22 G
--- 22 C
--- 22 C
--- 22 C

但我做不好。awk和sed命令可以做到吗

---

谢谢。

只需在

$2

上使用

POSIX

兼容的

split（）

函数即可

awk '{split($2,temp,":"); $2=temp[2];}1' file
--- 16050075 16050075 A G
--- 16050115 16050115 G A
--- 16050213 16050213 C T
--- 16050319 16050319 C T
--- 16050527 16050527 C A

将列2拆分为de limiter

：

，将

$2

值更新为所需元素（

temp[2]

），并打印其余字段（

{}1

基于

FS

重新构造所有单个字段并打印）

建议不要使用多个解除限制器，因为它会改变单个字段的绝对位置，而

split（）

可以很容易地保留位置并提取所需的值

---

对于添加新列的更新需求，只需执行以下操作

awk '{split($2,temp,":"); $2=temp[1] FS temp[2];}1' file
--- 22 16050075 16050075 A G
--- 22 16050115 16050115 G A
--- 22 16050213 16050213 C T
--- 22 16050319 16050319 C T
--- 22 16050527 16050527 C A

---

或者，如果您有

gnuawk

/

gawk

，您可以将其

gensub（）

用于正则表达式（使用

POSIX

字符类

[[：digit]]]

）的提取，如下所示：

awk '{$2=gensub(/^([[:digit:]]+):([[:digit:]]+).*$/,"\\1 \\2","g",$2);}1' file
--- 22 16050075 16050075 A G
--- 22 16050115 16050115 G A
--- 22 16050213 16050213 C T
--- 22 16050319 16050319 C T
--- 22 16050527 16050527 C A

---

gensub（/^（[[：digit:][]+）：（[[：digit:][]+）.$/，“\\1\\2”，“g”，“2美元）

part仅捕获前两个受

限制的字段：

使用捕获组

\\1

和

\\2

并打印其余字段。

您也可以尝试以下方法，以替代@Inian更好、更便携的解决方案-

awk -F '[ :]' '{print $1, $3, $6, $7, $8}' file

其中

文件

包含您的初始输入

输出-

--- 16050075 16050075 A G
--- 16050115 16050115 G A
--- 16050213 16050213 C T
--- 16050319 16050319 C T
--- 16050527 16050527 C A

编辑

随着输入文件（附加列编号2）的更改，上述命令可以更改为-

awk -F '[ :]' '{print $1, $2, $3, $6, $7, $8}' file

输出

--- 22 16050075 16050075 A G
--- 22 16050115 16050115 G A
--- 22 16050213 16050213 C T
--- 22 16050319 16050319 C T
--- 22 16050527 16050527 C A

您也可以使用sed：

sed -r 's/..:([^:]+)[^ ]+/\1/' file

---

我试过上面的方法。如果我打印--22 16050075 16050075 A G--22 16050115 16050115 G A--22 16050213 16050213 C t--22 16050319 16050319 C t--22 16050527 16050527 C如果你错过了$2列，只需添加它。@ClaesWikner，OP更改了输入文件。我现在改变了命令。谢谢你的提醒。