如何用Awk提取Linux中以PC开头的多列患者数据？

针对你的需求——保留ID_REF列，同时提取所有格式为PC****（PC后接4位病例号）的列，以下是正确的Awk命令实现：

命令示例（假设数据为制表符分隔） #

BEGIN { FS="\t"; OFS="\t" }
NR==1 {
    # 遍历表头，记录需要保留的列索引
    for (i=1; i<=NF; i++) {
        if ($i == "ID_REF" || $i ~ /^PC[0-9]{4}$/) {
            keep[i] = 1
            cols[++n] = i
        }
    }
}
# 输出所有行的目标列
{
    for (i=1; i<=n; i++) {
        printf "%s%s", $(cols[i]), (i<n ? OFS : "\n")
    }
}

关键说明 #

1. 分隔符设置：BEGIN块中指定FS（输入分隔符）和OFS（输出分隔符）为制表符，如果你的数据是逗号分隔，只需改为FS=","; OFS=","。
2. 表头处理：第一行（NR==1）遍历所有列名，匹配ID_REF或PC开头且后接4位数字的列，将这些列的索引存入数组cols，保证输出列顺序与原表一致。
3. 数据行输出：后续每一行按照cols数组中记录的索引，依次输出对应列，确保只保留目标列。

执行方式 #

将上述命令保存为extract_cols.awk，然后运行：

awk -f extract_cols.awk your_data_file.txt > output.txt

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