如何移除TSV文件指定列中末尾的_0或_1后缀？

你当前的awk命令错误在于正则表达式/_[0-9]+$/——它会匹配任意末尾的下划线加数字序列，包括i_224里的_224，所以才会把i_224变成i。你的需求是仅移除末尾的_0或_1后缀，保留第一个下划线后的数字ID，下面是两种精准的解决方法：

方案一：精准匹配末尾的_0/_1 #

直接修改正则表达式，只匹配字符串末尾的_0或_1，替换为空即可：

awk -F'\t' -v OFS='\t' '{
    if ($0 ~ /^#/) {
        print
        next
    }

    # 仅移除末尾的_0或_1后缀
    gsub(/_[01]$/, "", $3)
    gsub(/_[01]$/, "", $14)

    print
}' "$input_file" > "$output_file"

说明：

• /_[01]$/ 仅匹配末尾的_0或_1，不会影响i_224这类末尾是多位数的ID。
• 保留了原脚本中跳过注释行（以#开头）的逻辑，符合TSV文件的常见注释格式。

方案二：按ID结构拆分拼接（更直观） #

如果ID的固定格式是前缀_数字或前缀_数字_0/1，可以通过拆分ID的方式精准保留前两部分：

awk -F'\t' -v OFS='\t' '{
    if ($0 ~ /^#/) {
        print
        next
    }

    # 定义清理ID的函数
    function clean_id(id) {
        split(id, parts, "_")
        # 如果ID有3个部分且最后部分是0/1，则返回前两部分拼接结果
        if (length(parts) == 3 && (parts[3] == "0" || parts[3] == "1")) {
            return parts[1] "_" parts[2]
        }
        # 否则返回原ID
        return id
    }

    $3 = clean_id($3)
    $14 = clean_id($14)

    print
}' "$input_file" > "$output_file"

说明：

• 用split函数把ID按下划线拆分成数组，通过判断数组长度和最后一个元素的值来决定是否修改ID。
• 这种方法逻辑更清晰，后续如果ID格式有小变化（比如允许_2后缀但不需要处理），修改条件即可。

内容的提问来源于stack exchange，提问作者eesiribloom