如何用awk/bash解析MELTING多行结果文本并处理缺失熔温字段

实现思路 #

逐行扫描文件，以The MELTING results are作为每个条目块的分隔标记，每次遇到新块时先输出上一个块的解析结果，再重置三个字段的默认值为NA，后续匹配到对应字段行时再更新值，确保缺失字段自动填充NA，避免条目错位。

完整awk脚本 #

BEGIN {
    OFS = "\t"
    # 如需自定义输出分隔符，可修改上一行的\t为其他符号，比如逗号改为","
    print "Enthalpy", "Entropy", "Melting_temperature"
}
# 匹配新条目块起始
/The MELTING results are/ {
    if (block_num > 0) {
        print enthalpy_val, entropy_val, tm_val
    }
    # 重置字段默认值为NA
    enthalpy_val = "NA"
    entropy_val = "NA"
    tm_val = "NA"
    block_num++
    next
}
# 匹配焓值行
$1 == "Enthalpy" {
    sub(/^Enthalpy : /, "")
    enthalpy_val = $0
    next
}
# 匹配熵值行
$1 == "Entropy" {
    sub(/^Entropy : /, "")
    entropy_val = $0
    next
}
# 匹配熔解温度行
$1 == "Melting" && $2 == "temperature" {
    sub(/^Melting temperature : /, "")
    tm_val = $0
    next
}
END {
    # 输出最后一个块的内容
    if (block_num > 0) {
        print enthalpy_val, entropy_val, tm_val
    }
}

使用方法 #

1. 将上述脚本保存为parse_melting.awk
2. 运行命令解析文件：

awk -f parse_melting.awk 你的输入文件路径 > 输出文件路径.tsv

输出说明 #

• 每行对应一个MELTING条目，三个字段按顺序排列，缺失字段自动填充为NA
• 默认输出为制表符分隔的tsv格式，可直接导入Excel或其他数据分析工具处理
• 字段保留原文所有单位信息，如需仅保留特定单位可修改对应行的sub规则截取数值部分

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