獨立的8場

我不能分開我的文件：獨立的8場

chr2 215672546 rs6435862 G T 54.00 LowDP;sb DP=10;TI=NM_000465;GI=BARD1;FC=Silent ... ...

我想打印頭七場和第八場僅打印DP=10和GI=BARD1。 DP在GI信息總是在第8場。字段繼續（...），所以第8個字段不是最後一個。

我知道如何提取第八場：

awk '{print $8}' PLZ-10_S2.vcf | awk -F ";" '/DP/ {OFS="\t"} {print $1}'

當然

如何提取前七場，但共同探討如何管？所有字段之間是tab。

來源

2013-10-15 Geroge

一種方法是split()與分號的八個領域，遍歷所有結果，以檢查它們中有DP或GI開始：

awk ' 
    BEGIN { FS = OFS = "\t" } 

    { 
     split($8, arr8, /;/) 
     $8 = "" 
     for (i = 1; i <= length(arr8); i++) { 
      if (arr8[i] ~ /^(DP|GI)/) { 
       $8 = $8 arr8[i] ";" 
      } 
     } 
     $8 = substr($8, 1, length($8) - 1) 
     print $0 
    } 
' infile

它產生：

chr2 215672546 rs6435862 G T 54.00 LowDP;sb DP=10;GI=BARD1 ... ...

來源

2013-10-15 10:02:14 Birei

我不知道，但我希望'$ 8 = SUBSTR（$ 8,1，長度（$ 8） - 1）'可以給你一個運行時錯誤，如果沒有DP和GI出現在$ 8中，因爲您將從空字符串的長度中減去1，我希望該值爲零，如果是，則嘗試使用'-1'作爲substr（）的第三個arg。 –

@EdMorton：我剛剛使用輸入的修改版本對它進行了測試，它不會抱怨（或者像'substr（$ 80，1，-1）''）這樣的東西。根本不打印任何東西。然後在輸出中會有兩個加入的'tabs'，並且字段eigth將是當前的第九個，但是這是一個可能的錯誤，我希望OP會知道如何處理（或者至少知道如何在另一個線程中詢問:-) – Birei

我只是嘗試了幾個不同的awks，他們也沒有抱怨，除了用'--lint'標誌產生'gawk：cmd的gawk。行：1：警告：substr：長度-1是<= 0'。我不知道所有的awks是否會以相同的方式運行，POSIX規範可能會說一些關於它的內容，idk。輸出中的兩個連接的選項卡不是問題，它們之間仍然有一個空的第8個字段 –

如果DP =和GI =總是在$ 8內的同一位置上：

$ awk 'BEGIN{FS=OFS="\t"} {split($8,a,/;/); $8=a[1]";"a[3]} 1' file 
chr2 215672546  rs6435862  G  T  54.00 LowDP;sb  DP=10;GI=BARD1 ...  ...

如果不是：

$ awk 'BEGIN{FS=OFS="\t"} {split($8,a,/;/); $8=""; for (i=1;i in a;i++) $8 = $8 (a[i] ~ /^(DP|GI)=/ ? ($8?";":"") a[i] : "")} 1' file 
chr2 215672546  rs6435862  G  T  54.00 LowDP;sb  DP=10;GI=BARD1 ...  ...

來源

2013-10-15 12:12:02

回答

相關問題