使用Awk将选定行转置为列：处理指定格式的术语文本文件

针对你提供的HP术语文本格式，我们可以用Awk编写脚本，将每个[Term]块中的分散行转换为一行多列的格式，同时处理多个alt_id条目并合并到同一列中。

实现思路 #

• 以[Term]作为每个术语块的起始标记，遇到新的[Term]时先输出上一个术语的结果，再重置变量。
• 分别捕获id、name、多个alt_id和def字段的值。
• 将多个alt_id用逗号分隔合并为一个字符串。
• 处理def字段时，提取引号内的定义文本。
• 最后输出所有术语的结构化结果。

Awk脚本代码 #

BEGIN {
    # 设置输出分隔符为制表符（方便导入表格工具）
    OFS = "\t"
    # 打印表头（可选，根据需要调整）
    print "ID", "名称", "替代ID", "定义"
}

# 遇到新的术语块时，先输出上一个术语的数据
/^\[Term\]/ {
    if (id != "") {
        print id, name, alt_ids, def
    }
    # 重置变量
    id = ""
    name = ""
    alt_ids = ""
    def = ""
    next
}

# 捕获ID字段
/^id:/ {
    id = $2
    next
}

# 捕获名称字段（处理带空格的名称）
/^name:/ {
    name = substr($0, index($0, $2))
    next
}

# 捕获并合并多个替代ID
/^alt_id:/ {
    if (alt_ids != "") alt_ids = alt_ids ", "
    alt_ids = alt_ids $2
    next
}

# 捕获定义字段（提取引号内的内容）
/^def:/ {
    start = index($0, "\"") + 1
    end = index(substr($0, start), "\"") + start - 1
    def = substr($0, start, end - start)
    next
}

# 处理最后一个术语块
END {
    if (id != "") {
        print id, name, alt_ids, def
    }
}

使用方法 #

1. 将上述脚本保存为transpose_hp.awk文件。
2. 执行以下命令处理你的输入文件（假设输入文件名为hp_terms.txt）：

awk -f transpose_hp.awk hp_terms.txt > hp_terms_transposed.tsv

3. 输出文件hp_terms_transposed.tsv是制表符分隔的表格，可直接用Excel、Numbers等工具打开。

示例效果 #

输入片段：

[Term]
id: HP:0000006
name: Autosomal dominant inheritance
alt_id: HP:0001415
alt_id: HP:0001447
def: "A mode of inheritance that is observed for traits related to a gene encoded on one of the autosomes..."

输出行（制表符分隔）：

HP:0000006	Autosomal dominant inheritance	HP:0001415, HP:0001447	A mode of inheritance that is observed for traits related to a gene encoded on one of the autosomes...

注意事项 #

• 如果def字段的文本跨多行，需要修改脚本以处理多行内容（当前脚本假设每个字段都在单行）。
• 可根据需求调整输出分隔符（如将OFS = "\t"改为OFS = ","生成CSV文件）。

内容的提问来源于stack exchange，提问作者gungu