awk的gsub函数使用正则.*匹配字符串模式并替换的相关疑问

.* 表示匹配任意长度任意字符的写法，可以在awk的gsub操作中正常使用，和你在R语言里的使用逻辑一致，但你现有代码存在三处可优化/修正的点：

• 正则规则冗余错误：你写的/\Class=中C不属于正则特殊字符，不需要加反斜杠转义，直接写/Class=即可
• 贪婪匹配风险：.*默认是贪婪匹配规则，如果你处理的字符串中存在多个;id=片段，会直接匹配到最后一处;id=的位置，不符合你的需求。如果要严格匹配你指定的Class=xxx;Family=xxx;id=片段，更稳妥的写法是将.*替换为[^;]*;Family=[^;]*，避免匹配越界
• 语法错误：你当前写的gsub语法多了一个多余的右括号，正确的gsub语法为gsub(匹配正则, 替换内容, 目标字段)，三个参数需要放在同一对括号内

修正后可用命令 #

如果你要处理的目标内容是行内第4个制表符分隔字段，可用以下命令：

awk 'BEGIN{FS=OFS="\t"} {gsub(/Class=(.*);id=/, "ID=", $4)} 1'

更稳妥的非贪婪等价写法 #

避免贪婪匹配导致的匹配范围过大问题：

awk 'BEGIN{FS=OFS="\t"} {gsub(/Class=[^;]*;Family=[^;]*;id=/, "ID=", $4)} 1'

将你提供的待处理字符串输入上述命令后，输出结果为：

ID=TFCP2.Ca9750.2.YY2017.HT-SE2;strand=+;seq=TTCTGGTTGGGACCAGGA;score=7.62921;pval=6.53e-05;Averageconservationscore=1.77

完全符合你的替换需求。

内容的提问来源于stack exchange，提问作者Myke