如何调整awk命令在文件开头新增标记列且不覆盖原有第一列

调整后的awk命令及说明 #

你原来的命令直接修改了$1的值，因此会覆盖原第一列内容。要将标记作为新首列添加，只需先计算标记值，再将其放在原整行前输出即可，同时注意保留GTF文件原生的制表符分隔格式，避免字段错位。

基础可用版本

awk 'BEGIN{FS=OFS="\t"} {tag="coding"; if($12 ~ /RNA|mir-/ || $3 == "pseudogene") tag="non-coding"; print tag, $0}' a.gene-pseudogene_all_dmel-all-r6.40.gtf

参数说明：

• BEGIN{FS=OFS="\t"}：指定输入、输出的字段分隔符均为制表符，完全匹配GTF文件格式，不会打乱原有字段的分隔格式
• 先给标记变量tag默认赋值为coding，满足判断条件时修改为non-coding，全程不会修改原有任何字段的内容
• print tag, $0：先输出标记值，再输出原整行内容，标记自动成为新的第一列，原有所有列完整保留

兼容GTF注释行版本

如果你的文件开头有#开头的注释行，不想给注释行加标记，可使用以下版本：

awk 'BEGIN{FS=OFS="\t"} /^#/{print;next} {tag="coding"; if($12 ~ /RNA|mir-/ || $3 == "pseudogene") tag="non-coding"; print tag, $0}' a.gene-pseudogene_all_dmel-all-r6.40.gtf

该版本会直接原样输出所有注释行，仅对正常的数据行添加标记列。

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