Linux/R环境下处理制表符分隔文件：删除最后一列逗号后的多余内容

Linux 终端操作 #

• sed 实现：
  • 精准适配版本（仅修改最后一列，不影响其他列）：sed 's/\(\t[^\t]*\),[^\t]*$/\1/' 待处理文件.txt
    该命令通过正则锚定行尾位置，只匹配最后一个制表符后的内容，将最后一列里逗号及之后的部分替换为逗号前的内容，不会误改其他列的文本。需要直接修改原文件的话，在命令里添加-i参数；需要保留原文件备份的话，用-i.bak参数，会自动生成同文件名加.bak后缀的原文件副本。
  • 简易版本（适用于确定仅最后一列存在逗号的场景）：sed 's/,.*$//' 待处理文件.txt
• awk 实现（终端场景优先推荐，鲁棒性最强）：
  执行命令：awk -F '\t' 'BEGIN{OFS="\t"} {sub(/,.*/, "", $NF); print}' 待处理文件.txt
  该命令将输入、输出的字段分隔符统一设置为制表符，直接定位到最后一列，仅对该列执行逗号后的内容删除操作，哪怕其他列意外包含逗号，也不会出现错改的问题，完全匹配制表符分隔文件的处理逻辑。

R 环境操作 #

• 读入原制表符分隔文件：
  df <- read.delim("待处理文件路径.txt", sep = "\t", stringsAsFactors = FALSE, header = FALSE)
  若原文件包含表头，将header = FALSE改为TRUE即可。
• 截取最后一列中逗号前的内容：
  df[[ncol(df)]] <- sub(",.*", "", df[[ncol(df)]])
• 导出为保持原格式的制表符分隔文件：
  write.table(df, "处理后结果.txt", sep = "\t", quote = FALSE, row.names = FALSE, col.names = FALSE)
  其中quote = FALSE是避免文本被自动添加引号，row.names、col.names设为FALSE是和原文件的无表头格式保持一致。

内容的提问来源于stack exchange，提问作者Khan_16