在Linux中使用不同的分隔符从文本文件中提取列

Question

我有非常大的基因型文件，这些文件基本上不可能在R中打开，因此我试图使用linux命令行提取感兴趣的行和列。使用头/尾行足够简单，但是我很难弄清楚如何处理列。

如果我尝试使用以下方法提取（例如）第100-105个制表符或空格分隔列

 cut -c100-105 myfile >outfile

如果每列中包含多个字符的字符串，则这显然不起作用。有什么方法可以使用适当的参数修改cut，以便提取列内的整个字符串，其中列定义为空格或制表符（或任何其他字符）分隔吗？

Answer 1

如果命令应同时使用制表符和空格作为分隔符，则应使用awk：

awk '{print $100,$101,$102,$103,$104,$105}' myfile > outfile

只要您只需要指定5个字段，就可以直接键入它们，对于更长的范围，您可以使用for循环：

awk '{for(i=100;i<=105;i++)print $i}' myfile > outfile

如果要使用cut，则需要使用以下-f选项：

cut -f100-105 myfile > outfile

如果字段分隔符与TAB您不同，则需要使用来指定-d：

cut -d' ' -f100-105 myfile > outfile

检查手册页以获取关于cut命令的更多信息。