如何用AWK替换指定条件列内容并保持文件原始格式？

需求描述 #

需要用AWK将输入文件中第三列等于"AAA"的行的第11列内容替换为"0.400"，同时保持文件原有的固定宽度排版格式。

输入示例 #

ATOM      1  AAA ABC     1     -60.638  44.587  36.897  0.00  0.00     0.232  A
ATOM      2  BB  ABC     1      59.675  45.544  36.863  0.00  0.00    -0.252 BB
ATOM      3  CCC ABC     1      59.127 -45.567  35.637  0.00  0.00     0.145  C
ATOM      4  DD  ABC     1      59.791  44.664  34.873  0.00  0.00     0.055  D
ATOM      5  EEE ABC     1      60.801  44.256  35.627  0.00  0.00    -0.245  E
...
ATOM  14996  AAA ABC     1      80.638  44.387  76.897  0.00  0.00     0.232  A
ATOM  14997  BB  ABC     1      19.675 -25.544  66.863  0.00  0.00    -0.252 BB
ATOM  14998  CCC ABC     1      89.127  75.567  35.637  0.00  0.00     0.145  C
ATOM  14999  DD  ABC     1     -29.791  34.664 -54.873  0.00  0.00     0.055  D
ATOM  15000  EEE ABC     1      90.801  74.256  25.627  0.00  0.00    -0.245  E

原有问题 #

使用命令 awk '$3 == "AAA" {$11= 0.400}1' file 可以完成替换，但AWK默认会用单个空格作为输出字段分隔符（OFS），破坏了原有的多空格固定宽度格式，输出结果如下：

ATOM 1 AAA ABC 1 -60.638 44.587 36.897 0.00 0.00 0.4 A
ATOM      2  BB  ABC     1      59.675  45.544  36.863  0.00  0.00    -0.252 BB
ATOM      3  CCC ABC     1      59.127 -45.567  35.637  0.00  0.00     0.145  C
ATOM      4  DD  ABC     1      59.791  44.664  34.873  0.00  0.00     0.055  D
ATOM      5  EEE ABC     1      60.801  44.256  35.627  0.00  0.00    -0.245  E

期望输出 #

ATOM      1  AAA ABC     1     -60.638  44.587  36.897  0.00  0.00     0.400  A
ATOM      2  BB  ABC     1      59.675  45.544  36.863  0.00  0.00    -0.252 BB
ATOM      3  CCC ABC     1      59.127 -45.567  35.637  0.00  0.00     0.145  C
ATOM      4  DD  ABC     1      59.791  44.664  34.873  0.00  0.00     0.055  D
ATOM      5  EEE ABC     1      60.801  44.256  35.627  0.00  0.00    -0.245  E

解决方案 #

使用printf配合格式控制符，按照原文件的固定宽度重新格式化每一行，确保替换后格式一致：

{
    # 确定第11列的值：如果第三列是AAA则用0.400，否则保留原值
    target_val = ($3 == "AAA") ? 0.4 : $11
    # 按照原格式输出所有字段，每个字段对应固定宽度和格式
    printf "%-8s%6d %4s %4s%6d %8.3f %8.3f %8.3f %6.2f %6.2f%8.3f %2s\n",
        $1, $2, $3, $4, $5, $6, $7, $8, $9, $10, target_val, $12
}

命令解释 #

• %-8s：第一列（ATOM）左对齐，占8位，匹配原格式中ATOM后跟随4个空格的排版
• %6d：第二列（原子序号）右对齐，占6位，适配1到15000的序号长度
• %4s：第三、四列（原子名、残基名）占4位，保留原有的空格填充
• %8.3f：第六到八列（坐标值）右对齐，占8位，保留三位小数
• %6.2f：第九、十列（Occupancy、Temp factor）右对齐，占6位，保留两位小数
• %8.3f：目标列（第11列）右对齐，占8位，保留三位小数，确保替换后的"0.400"格式正确
• %2s：最后一列（元素符号）占2位，匹配原格式

另一种方法：基于字符串位置替换 #

如果明确目标字段在原字符串中的位置，也可以用substr直接替换对应区域，避免字段拆分：

$3 == "AAA" {
    # 生成格式正确的目标值
    new_val = sprintf("%8.3f", 0.4)
    # 假设目标字段从第65位开始，长度8位，替换该区域
    $0 = substr($0, 1, 64) new_val substr($0, 73)
}
1

注意：需要根据实际文件的字段位置调整substr的起始和结束索引，该方法更适合固定宽度格式的精确操作。

内容的提问来源于stack exchange，提问作者user19619903