如何拆分TXT文件逗号分隔字段并生成带首尾内容的多行？

这题用awk来处理再合适不过了——tr只能做简单的字符替换，没法关联其他字段，而awk可以精准操控每一个字段，完美实现你要的拆分+保留关联内容的需求。

核心解决方案 #

直接用下面的awk命令处理你的文本文件（假设文件名为input.txt）：

awk 'BEGIN { FS = "\t"; OFS = "\t" } { split($4, arr, ","); for (i in arr) { printf("%s\t%s", $1 FS $2 FS $3, arr[i]); for (j=5; j<=NF; j++) { printf("%s%s", OFS, $j) } print "" } }' input.txt > output.txt

脚本逐行解释 #

我把脚本拆解开给你讲清楚逻辑，方便你根据自己的需求调整：

1. BEGIN { FS = "\t"; OFS = "\t" }：在处理任何行之前，先设置输入字段分隔符（FS）和输出字段分隔符（OFS）为制表符，保证输出格式和原文件一致。
2. split($4, arr, ",")：把当前行的第四字段按逗号分割，存入数组arr里，每个逗号分隔的条目就是数组的一个元素。
3. 循环遍历数组arr：
   • 先输出原行的前三个字段，接着输出当前拆分出来的条目；
   • 再循环输出原行第五个及以后的所有字段（也就是第四字段后面的内容）；
   • 最后用print ""换行，完成一行的输出。

示例演示 #

假设你的输入文件input.txt有以下内容：

X	147010263	rs12345	EXON,NON_SYNONYMOUS_CODING	ref=A	alt=T
3	41278119	rs67890	INTRON	ref=C	alt=G
4	114275304	rs09876	UTR5,UTR3	ref=G	alt=A	qual=99.9

运行命令后，输出文件output.txt的内容会是：

X	147010263	rs12345	EXON	ref=A	alt=T
X	147010263	rs12345	NON_SYNONYMOUS_CODING	ref=A	alt=T
3	41278119	rs67890	INTRON	ref=C	alt=G
4	114275304	rs09876	UTR5	ref=G	alt=A	qual=99.9
4	114275304	rs09876	UTR3	ref=G	alt=A	qual=99.9

额外说明 #

• 这个脚本兼容绝大多数awk版本（包括GNU awk、BSD awk等），不需要额外安装工具；
• 如果第四字段的条目里包含空格，脚本依然能正常工作，因为split只按逗号分割，不会破坏条目内容；
• 如果你的文件特别大，awk的处理效率也很高，比用shell循环逐行处理快得多。

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