Linux下如何用sed或awk为正负小数前添加空格？

原始输入文件内容 #

GENERSID1RSID2VALUE
ENSG00000242220rs2826052rs28260520.20961262553802
ENSG00000242220rs2826052rs798932040.00583452893352463
ENSG00000242220rs2826052rs117256228-0.003012912482066

期望输出格式 #

GENE RSID1 RSID2 VALUE
ENSG00000242220 rs2826052 rs2826052 0.20961262553802
ENSG00000242220 rs2826052 rs79893204 0.00583452893352463
ENSG00000242220 rs2826052 rs117256228 -0.003012912482066

问题分析 #

你之前的sed命令仅处理了rs前缀和负小数-0.的分隔，但未覆盖正小数0.的情况，同时表头的RSID2VALUE也未分割。

解决方案 #

方案1：改进sed命令（一次完成所有分隔） #

使用多规则正则替换，同时处理表头、RSID字段、正负小数的分隔：

sed -e 's/rs/ &/g' \
    -e 's/\(rs[0-9]*\)\(-0\.\)/\1 \2/' \
    -e 's/\(rs[0-9]*\)\(0\.\)/\1 \2/' \
    -e 's/RSID2VALUE/RSID2 VALUE/' \
    Model_training_chr21_covariances.txt > Model_training_chr21_covariances_fixed.txt

各规则作用：

• s/rs/ &/g：在所有rs前缀前添加空格，分割GENE与RSID1、RSID1与RSID2
• s/\(rs[0-9]*\)\(-0\.\)/\1 \2/：在RSID2与负小数-0.之间添加空格
• s/\(rs[0-9]*\)\(0\.\)/\1 \2/：在RSID2与正小数0.之间添加空格
• s/RSID2VALUE/RSID2 VALUE/：分割表头的最后两个字段

方案2：使用awk处理（更稳定） #

如果数据字段结构固定（GENE、RSID1、RSID2、VALUE），用awk正则匹配分割更可靠：

awk '{
    match($0, /^([^rs]+)(rs[^rs]+)(rs[^0-9-]+)(.*)/, arr);
    print arr[1], arr[2], arr[3], arr[4]
}' Model_training_chr21_covariances.txt > output.txt

正则匹配逻辑：

• ^([^rs]+)：匹配第一个rs前的GENE字段
• (rs[^rs]+)：匹配第一个完整的RSID1字段
• (rs[^0-9-]+)：匹配第二个完整的RSID2字段（到数值开头的0/-前结束）
• (.*)：匹配剩余的VALUE数值部分

内容的提问来源于stack exchange，提问作者Rhea Bedi