Shell 有没有一种方法可以将列的一部分分组？

我有一个选项卡文件，如下所示：

1   56  .   T   C   1963    .   HaplotypeScore=3.6230;MLEAF=1.00;MQ=60.00;MQ0=0;QD=33.84;MLEAC=1;SOR=1.077
1   226 .   A   G   1600    .   HaplotypeScore=3.0421;MLEAC=1;MLEAF=1.00;MQ=59.02;MQ0=0;QD=32.00;SOR=0.954
1   670 .   A   G   2878    .   HaplotypeScore=9.0166;QD=34.24;MLEAC=1;MLEAF=1.00;MQ=60.00;MQ0=0;SOR=0.864
1   817 .   C   T   1425    .   HaplotypeScore=0.9958;MLEAC=1;MLEAF=1.00;MQ=60.00;MQ0=0;QD=26.89;SOR=0.850

QD=33
QD=32
QD=34
QD=26

我的目标是创建一个for循环，从该列中单独提取

QD=

值，并生成一个.txt文件，如下所示：

1   56  .   T   C   1963    .   HaplotypeScore=3.6230;MLEAF=1.00;MQ=60.00;MQ0=0;QD=33.84;MLEAC=1;SOR=1.077
1   226 .   A   G   1600    .   HaplotypeScore=3.0421;MLEAC=1;MLEAF=1.00;MQ=59.02;MQ0=0;QD=32.00;SOR=0.954
1   670 .   A   G   2878    .   HaplotypeScore=9.0166;QD=34.24;MLEAC=1;MLEAF=1.00;MQ=60.00;MQ0=0;SOR=0.864
1   817 .   C   T   1425    .   HaplotypeScore=0.9958;MLEAC=1;MLEAF=1.00;MQ=60.00;MQ0=0;QD=26.89;SOR=0.850

QD=33
QD=32
QD=34
QD=26

到目前为止，我已经想出了这样的办法：

1   56  .   T   C   1963    .   HaplotypeScore=3.6230;MLEAF=1.00;MQ=60.00;MQ0=0;QD=33.84;MLEAC=1;SOR=1.077
1   226 .   A   G   1600    .   HaplotypeScore=3.0421;MLEAC=1;MLEAF=1.00;MQ=59.02;MQ0=0;QD=32.00;SOR=0.954
1   670 .   A   G   2878    .   HaplotypeScore=9.0166;QD=34.24;MLEAC=1;MLEAF=1.00;MQ=60.00;MQ0=0;SOR=0.864
1   817 .   C   T   1425    .   HaplotypeScore=0.9958;MLEAC=1;MLEAF=1.00;MQ=60.00;MQ0=0;QD=26.89;SOR=0.850

QD=33
QD=32
QD=34
QD=26

awk-F'[：]'{print$8}'输入文件

或者甚至可以使用sed命令。但是现在我完全迷路了。

这里：

cut -d';' -f6 file

如果这就是您所需要的，则不需要

sed

或

awk

要进一步仅获取整数，请执行以下操作：

cut -d';' -f6 file|cut -d. -f1

编辑 进一步的注释表明，

QD=

所在列的顺序可能会改变，因此我们可以使用正则表达式来查找它：

grep -Po 'QD=\d+' file

示例：

此处：

cut -d';' -f6 file

如果这就是您所需要的，则不需要

sed

或

awk

要进一步仅获取整数，请执行以下操作：

cut -d';' -f6 file|cut -d. -f1

编辑 进一步的注释表明，

QD=

所在列的顺序可能会改变，因此我们可以使用正则表达式来查找它：

grep -Po 'QD=\d+' file

---

示例：

您的另一个选项是

awk

，它是文本处理的瑞士军刀。它将比在大文件上生成多个子shell和将信息管道化到不同的实用程序快几个数量级。如果您的记录（行）少于1000条，则不会注意到太多差异。如果您有数百万行，那么使用

awk

只需几秒钟，或者使用多个实用程序只需几分钟

awk

处理文件中的每条记录（行），并按写入顺序将写入的规则应用于每条记录。有两个特殊规则，

BEGIN

（在开始读取行之前运行，用于分配变量、打印页眉行等）和在处理所有行之后运行的

END

规则，允许您处理数组中收集的任何数据或打印页脚行等

这里需要一条规则，根据

“；”将最后一个字段拆分为一个数组分隔符，例如

awk -F'\t' '{split($NF,arr,";"); sub(/[.].*$/,"",arr[6]); print arr[6]}' file

上面的
-F'\t'
告诉
awk
使用制表符作为字段分隔符。（注意：您可以省略
-F'\t'
，因为
awk
以空格开始分割字段），然后
split
将最后一个（
NF
）字段分割成数组
arr
，然后
sub
应用正则表达式
/.].*$/
将从
到字段结尾的所有内容切掉。
保留问题中显示的整数，例如

示例使用/输出

$ awk '{
>     split($NF,arr,";")
>     for (i in arr)
>         if (arr[i] ~ /^QD/) {
>             sub(/[.].*$/,"",arr[i])
>             print arr[i]
>             next
>         }
> }' file
QD=33
QD=32
QD=34
QD=26

使用名为
file
的文件中的示例数据，您将拥有：

$ awk -F'\t' '{split($NF,arr,";"); sub(/[.].*$/,"",arr[6]); print arr[6]}' file
QD=33
QD=32
QD=34
QD=26

（您还可以在
arr
的元素上循环查找以
“QD”
开头的元素（如果该字段发生更改）

QD位置未知

如果最后一个字段中
“QD”
的位置未知，您可以简单地循环
arr
的元素，例如
for（i in arr）
并找到以
“QD”
开头的元素，然后操作
arr[i]
，而不是
arr[6]
，例如

awk '{
    split($NF,arr,";")
    for (i in arr)
        if (arr[i] ~ /^QD/) {
            sub(/[.].*$/,"",arr[i])
            print arr[i]
            next
        }
}' file

您只需将文件名从
文件更改为任何文件名，然后选择“复制”并用鼠标中键将表达式粘贴到包含您的文件的当前工作目录中，例如

示例使用/输出

$ awk '{
>     split($NF,arr,";")
>     for (i in arr)
>         if (arr[i] ~ /^QD/) {
>             sub(/[.].*$/,"",arr[i])
>             print arr[i]
>             next
>         }
> }' file
QD=33
QD=32
QD=34
QD=26

或者，如果您喜欢将其作为一行，您可以：

$ awk '{split($NF,arr,";"); for (i in arr) if (arr[i] ~ /^QD/) { sub(/[.].*$/,"",arr[i]); print arr[i]; next }}' file
QD=33
QD=32
QD=34
QD=26

中详细介绍了使用的所有功能。这是学习
awk
的一个很好的参考。只需单击目录，然后将指向完整指南的链接添加到书签中。仔细检查一下，如果您还有其他问题，请告诉我。
您的另一个选择是
awk
，它是文本处理的瑞士军刀。它将比在大文件上生成多个子shell和将信息管道化到不同的实用程序快几个数量级。如果您的记录（行）少于1000条，则不会注意到太多差异。如果您有数百万行，那么使用
awk
只需几秒钟，或者使用多个实用程序只需几分钟

awk
处理文件中的每条记录（行），并按写入顺序将写入的规则应用于每条记录。有两个特殊规则，
BEGIN
（在开始读取行之前运行，用于分配变量、打印页眉行等）和在处理所有行之后运行的
END
规则，允许您处理数组中收集的任何数据或打印页脚行等

这里需要一条规则，根据
“；”将最后一个字段拆分为一个数组分隔符，例如

awk -F'\t' '{split($NF,arr,";"); sub(/[.].*$/,"",arr[6]); print arr[6]}' file

上面的
-F'\t'
告诉
awk
使用制表符作为字段分隔符。（注意：您可以省略
-F'\t'
，因为
awk
以空格开始分割字段），然后
split
将最后一个（
NF
）字段分割成数组
arr
，然后
sub
应用正则表达式
/.].*$/
将从
到字段结尾的所有内容切掉。
保留问题中显示的整数，例如

示例使用/输出

$ awk '{
>     split($NF,arr,";")
>     for (i in arr)
>         if (arr[i] ~ /^QD/) {
>             sub(/[.].*$/,"",arr[i])
>             print arr[i]
>             next
>         }
> }' file
QD=33
QD=32
QD=34
QD=26

使用名为
file
的文件中的示例数据，您将拥有：

$ awk -F'\t' '{split($NF,arr,";"); sub(/[.].*$/,"",arr[6]); print arr[6]}' file
QD=33
QD=32
QD=34
QD=26

（您还可以在
arr
的元素上循环查找以
“QD”
开头的元素（如果该字段发生更改）

QD位置未知

如果最后一个字段中
“QD”
的位置未知，您可以简单地循环
arr
的元素，例如
for（i in arr）
并找到以
“QD”
开头的元素，然后操作
arr[i]
，而不是
arr[6]
，例如

awk '{
    split($NF,arr,";")
    for (i in arr)
        if (arr[i] ~ /^QD/) {
            sub(/[.].*$/,"",arr[i])
            print arr[i]
            next
        }
}' file

您只需将文件名从
文件更改为任何文件名，然后选择“复制”并用鼠标中键将表达式粘贴到当前工作目录conta和xterm中即可