如何用awk修改制表符分隔文件首列且不破坏其他列格式？

问题描述 #

现有制表符分隔的GTF文件示例：

1-0039.1 EMBL transcript 1 1524 . + . transcript_id "1-0039.1.2"; gene_id "1-0039.1.2"; gene_name "dnaA"
1-0039.1 EMBL CDS 1 1524 . + 0 transcript_id "1-0039.1.2"; gene_name "dnaA";;
1-0039.1 EMBL transcript 1646 1972 . + . transcript_id "1-0039.1.5"; gene_id "1-0039.1.5"; gene_name "ORF0009"

想要将首列所有1-0039.1替换为1，尝试用以下awk命令：

awk -vOFS='\t' '{$1="1"; print}' 1-0039.gtf > 1-0039_modified.gtf

但输出文件中最后一列原本的空格分隔被替换成了制表符，导致格式破坏。

原因分析 #

awk执行$1="1"时，会先把整行按默认的任意空白字符（包括空格、制表符）拆分成字段，再用你指定的OFS（制表符）重新拼接所有字段。这就会把最后一列内部的空格全部换成制表符，破坏原有格式。

解决方案 #

方案1：使用sed直接替换行首内容 #

sed是基于字符串的行处理工具，不会拆分字段，直接替换行首的目标字符串：

sed 's/^1-0039\.1/1/' 1-0039.gtf > 1-0039_modified.gtf

• 正则^1-0039\.1：^匹配行首，\.转义点号（避免匹配任意字符），确保只替换首列的目标内容。
• 该命令会保留原文件中所有字段的分隔格式（包括最后一列的空格）。

方案2：使用awk的sub函数不触发字段重排 #

如果坚持用awk，可使用sub()函数直接修改整行字符串，而非修改字段：

awk '{sub(/^1-0039\.1/, "1"); print}' 1-0039.gtf > 1-0039_modified.gtf

• sub()只替换每行首次匹配的内容，结合^确保只替换行首的目标字符串，不会触发awk的字段拆分与重排，保留原格式。

内容的提问来源于stack exchange，提问作者Mary