如何使用sed/awk为ligand_types行补全缺失的SA、HD模式

实现逻辑 #

针对所有以ligand_types开头的行，拆分注释符#前后的正文、注释两部分，检查正文内是否存在独立的SA、HD字段，将缺失的字段按顺序追加到正文末尾，保留原有注释内容，同时对齐格式。 #

awk 方案（推荐，逻辑稳定无边界问题） #

直接运行以下命令即可输出处理后的内容，确认结果无误后再加原地修改参数：

awk '
/^ligand_types/ {
    # 按#拆分正文和注释
    split($0, sect, /#/)
    main_text = sect[1]
    note = "#" sect[2]
    append = ""
    # 匹配独立单词，避免把包含SA/HD的其他字段误判
    if (main_text !~ /(^|[[:space:]])SA([[:space:]]|$)/) append = append " SA"
    if (main_text !~ /(^|[[:space:]])HD([[:space:]]|$)/) append = append " HD"
    # 拼接内容，自动对齐注释位置
    $0 = sprintf("%-35s%s", main_text append, note)
}
# 非目标行直接原样输出
1' 你的文件路径

如果需要直接修改原文件，使用gawk的原地修改参数即可：

gawk -i inplace '
/^ligand_types/ {
    split($0, sect, /#/)
    main_text = sect[1]
    note = "#" sect[2]
    append = ""
    if (main_text !~ /(^|[[:space:]])SA([[:space:]]|$)/) append = append " SA"
    if (main_text !~ /(^|[[:space:]])HD([[:space:]]|$)/) append = append " HD"
    $0 = sprintf("%-35s%s", main_text append, note)
}
1' 你的文件路径

sed 方案 #

纯sed实现不需要额外依赖，直接用-i参数即可原地修改：

sed -i '
# 仅处理ligand_types开头的行
/^ligand_types/{
    # 兼容行尾没有注释的极端情况
    /#/!s/$/    # ligand atom types/
    # 正文无SA则在注释前插入SA
    /\(.*[[:space:]]\)SA[[:space:]].*#/!s/\(.*\)[[:space:]]*\(#.*\)/\1 SA \2/
    # 正文无HD则在注释前插入HD
    /\(.*[[:space:]]\)HD[[:space:]].*#/!s/\(.*\)[[:space:]]*\(#.*\)/\1 HD \2/
    # 清理多余空格，对齐注释格式
    s/[[:space:]]*#/    #/
}
' 你的文件路径

效果验证 #

使用给出的样例输入测试，两种方案的输出均和预期结果完全一致：

ligand_types A C Cl NA OA N HD SA    # ligand atom types
ligand_types A C NA OA N SA HD       # ligand atom types
ligand_types A C Cl NA OA N HD SA    # ligand atom types

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