使用AWK拆分BED文件中含逗号字段的行并保留其他信息

你需要处理一个制表符分隔的文件，将其中某字段（示例为第5列）内的逗号分隔内容拆分，每个值对应一行，同时保留该行其余所有列的信息。

原始文件内容（制表符分隔）：

1	13445	rs558318514	C	G,T	1_13445
1	13453	rs568927457	T	C	1_13455
1	13483	rs554760071	G	A,C	1_13483
1	13550	rs554008981	G	A	1_13550

处理后期望结果：

1	13445	rs558318514	C	G	1_13445
1	13445	rs558318514	C	T	1_13445
1	13453	rs568927457	T	C	1_13455
1	13483	rs554760071	G	A	1_13483
1	13483	rs554760071	G	C	1_13483
1	13550	rs554008981	G	A	1_13550

解决方案：使用awk命令处理 #

用awk可以高效完成这个任务，命令如下：

awk -F'\t' -v OFS='\t' '{split($5, arr, ","); for (i in arr) print $1, $2, $3, $4, arr[i], $6}' input.txt > output.txt

命令说明： #

• -F'\t'：指定输入的字段分隔符为制表符
• -v OFS='\t'：指定输出的字段分隔符为制表符，确保输出格式和原始文件一致
• split($5, arr, ",")：把第5列的内容按逗号拆分，将拆分后的每个值存入数组arr
• for (i in arr)：遍历数组中的每一个元素
• print $1, $2, $3, $4, arr[i], $6：输出前4列、当前数组元素、第6列，组成新的一行

如果需要拆分的不是第5列，只需将命令中的$5替换为对应的列号，同时调整print语句中的字段顺序即可。

内容的提问来源于stack exchange，提问作者DaN