AWK - 打印特定模式

我有文件看起來像這樣AWK - 打印特定模式

gene_id_100100 sp|Q53IZ1|ASDP_PSESP 35.81 148 90 2 13 158 6 150 6e-27 109 158 531 
gene_id_100600 sp|Q49W80|Y1834_STAS1 31.31 99 63 2 1 95 279 376 7e-07 50.1 113 402 
gene_id_100  sp|A7TSV7|PAN1_VANPO 36.36 44 24 1 41 80 879 922 1.9 32.3 154 1492 
gene_id_10100 sp|P37348|YECE_ECOLI 32.77 177 104 6 3 172 2 170 2e-13 71.2 248 272 
gene_id_101100 sp|B0U4U5|SURE_XYLFM 29.11 79 41 3 70 148 143 206 0.14 35.8 175 262 
gene_id_101600 sp|Q5AWD4|BGLM_EMENI 35.90 39 25 0 21 59 506 544 4.9 30.4 129 772 
gene_id_102100 sp|P20374|COX1_APILI 38.89 36 22 0 3 38 353 388 0.54 32.0 92 521 
gene_id_102600 sp|Q46127|SYW_CLOLO  79.12 91 19 0 1 91 1 91 5e-44 150 92 341 
gene_id_103100 sp|Q9UJX6|ANC2_HUMAN 53.57 28 13 0 11 38 608 635 2.1 28.9 42 822 
gene_id_103600 sp|C1DA02|SYL_LARHH  35.59 59 30 2 88 138 382 440 4.6 30.8 140 866 
gene_id_104100 sp|B8DHP2|PROB_LISMH 25.88 85 50 2 37 110 27 109 0.81 32.3 127 276 
gene_id_105100 sp|A1ALU1|RL3_PELPD  31.88 69 42 2 14 77 42 110 2.2 31.6 166 209 
gene_id_105600 sp|P59696|T200_SALTY 64.00 125 45 0 5 129 3 127 9e-58 182 129 152 
gene_id_10600 sp|G3XDA3|CTPH_PSEAE 28.38 74 48 1 4 77 364 432 0.56 31.6 81 568 
gene_id_106100 sp|P94369|YXLA_BACSU 35.00 100 56 3 25 120 270 364 4e-08 53.9 120 457 
gene_id_106600 sp|P34706|SDC3_CAEEL 60.00 20 8 0 18 37 1027 1046 2.3 32.7 191 2150

現在，我需要提取基因ID，這是||之間的一個在第二列。換句話說，我需要的輸出，看起來像這樣：

Q53IZ1 
Q49W80 
A7TSV7 
P37348 
B0U4U5 
Q5AWD4 
P20374 
Q46127 
Q9UJX6 
C1DA02 
B8DHP2 
A1ALU1 
P59696 
G3XDA3 
P94369 
P34706

我一直在嘗試使用下面的命令來做到這一點：

awk '{for(i=1;i<=NF;++i){ if($i==/[A-Z][A-Z0-9][A-Z0-9][A-Z0-9][A-Z0-9][A-Z0-9]/){print $i} } }'

，但它似乎並沒有工作。

來源

2015-01-26 MPR6

模式匹配並不是必須的。我建議

awk -F\| '{print $2}' filename

這分裂行成| -delimited領域和打印他們的第二位。

或者，

cut -d\| -f 2 filename

達到相同。

來源

2015-01-26 21:58:40 Wintermute

哇，完美的工作！而且它看起來也很簡單，不像我試圖用哈哈的那段代碼。非常感謝您的幫助，當限制關閉時，我會在9分鐘內接受您的答案。你是一個拯救生命的人。 – MPR6 2015-01-26 22:03:37

雖然如果你有時間，你能告訴我爲什麼我使用的命令不起作用嗎？ – MPR6 2015-01-26 22:06:00

嗯，從哪裏開始。那麼，首先，就awk而言，'|'之間的東西不是一個字段，因爲它的缺省字段分隔符是一個空白序列。第一行的'$ 2'是代碼中的'sp | Q53IZ1 | ASDP_PSESP'。其次，你使用比較運算符'=='而不是正則表達式匹配運算符'〜'，這與正則表達式沒有太大關係。我不認爲它的作用是定義的; gawk似乎在做數值轉換（？）。如果您使用過'〜'，那麼您將打印出包含匹配的字段，而不是匹配本身。 – Wintermute 2015-01-26 22:17:11

AWK - 打印特定模式

回答

相關問題