如何使用awk从pdb文件提取指定字段并生成TSV文件？

原脚本错误点 #

• 转义符拼写错误：制表符应为\t、换行符应为\n，原代码写的/t//r属于无效转义，无法输出正确分隔符
• 字段提取逻辑错误：未指定字段分隔符为制表符，若字段内容包含空格，仅取$2只会拿到第一个单词，无法获取完整值
• 执行逻辑冗余：同一个pdb文件调用4次awk处理，效率低且多次追加写入易出现格式错乱
• 开头cat > newFile.txt会等待标准输入，脚本运行后会卡住无法自动执行后续逻辑

修改后完整代码 #

#!/bin/bash
# 初始化输出TSV文件
> result.tsv

# 遍历所有pdb文件
for f in *.pdb; do
  awk -F'\t' '
    # 匹配对应字段存入变量
    $1 == "ACCESSION" {acc = $2}
    $1 == "DEFINITION" {def = $2}
    $1 == "SOURCE" {src = $2}
    $1 == "LOCUS" {loc = $4}
    # 处理完当前文件后输出一行TSV数据
    END {
      print acc "\t" def "\t" src "\t" loc
    }
  ' "$f" >> result.tsv
done

优化说明 #

• 指定-F'\t'将awk字段分隔符设为制表符，完全匹配pdb文件的字段分割规则，避免内容中的空格干扰字段识别
• 单个pdb文件仅调用一次awk处理，所有字段提取完成后统一输出一行，大幅提升执行效率
• 输出直接使用标准制表符分隔、默认换行符收尾，完全符合TSV格式规范

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