使用awk选择特定单词而忽略其他单词

Question

让我们说我有一个非常长的文件与物种及其出现。在我的情况下，我想保留物种中的一些物种：CHU，NEU，RNE，SCR，TDF。例如，我的原始矩阵是：

Species_A; CHU, NEU, TUC, SCR
Species_B; CHU, NEU, RNE, SCR, TDF
Species_C; COR, NEU, SAL, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

我想只保留那些出现CHU，NEU，RNE，SCR，TDF的物种，同时排除其他遗址：

Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

我认为一个选项可能是：

awk -F＆＃34;;＆＃34; ＆＃39; $ 2 / CHU /＆amp;＆amp; / NEU /＆amp;＆amp; / RNE /＆amp;＆amp; / SCR /＆amp;＆amp; / TDF / {print}＆＃39;文件

但这也包括那些不需要的网站（例如SAL，TUC）。

欢迎任何提示。

Answer 1

Awk方法1：正则表达式

$ awk  '/;([[:blank:],]*(CHU|NEU|RNE|SCR|TDF))+$/' file
Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

这只打印那些与正则表达式;([[:blank:],]*(CHU|NEU|RNE|SCR|TDF))+$匹配的行。

Awk方法2：循环

尝试：

$ awk  '{for (i=2;i<=NF;i++) if (!($i~/^(CHU|NEU|RNE|SCR|TDF)/)) next} 1' file
Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

如何运作

• for (i=2;i<=NF;i++) if (!($i~/^(CHU|NEU|RNE|SCR|TDF)/)) next

  这会循环第一个之后的所有单词。如果这些单词中的任何一个单词不以您批准的3个字母的字符串开头，那么我们跳过其余的命令并跳转到next行重新开始。

• 1

  这是awk的印刷版速记。 （当然，只有在未触发上述next命令时才会执行此操作。）

使用sed

使用与方法1相同的逻辑：

$ sed -En  '/;([[:blank:],]*(CHU|NEU|RNE|SCR|TDF))+$/p' file
Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF

使用grep

使用相同的正则表达式逻辑：

$ grep -E  ';([[:blank:],]*(CHU|NEU|RNE|SCR|TDF))+$' file
Species_B; CHU, NEU, RNE, SCR, TDF
Species_D; CHU, RNE, SCR, TDF
Species_D; SCR, TDF