如何按模式拆分列值？.pdb文件第五列拆分及sed命令优化求助

你之前的sed命令没成功主要有两个原因：一是只针对链ID为D的情况，不够通用；二是命令里的5是指替换该行中第5次出现的D，而不是定位到第五列，逻辑不对。下面给你两种通用的解决方案，不管链ID是哪个字母都能生效：

方法一：用sed正则匹配处理 #

这个命令会精准定位到第五列，把单个字母链ID和后面的数字分开：

sed -E -i 's/^(([^ ]+ ){4})([A-Za-z])([0-9]+)/\1\3 \4/' test.pdb

命令解释： #

• ^(([^ ]+ ){4})：匹配行开头的前4个字段（每个字段是“非空格字符+空格”），把这部分保存到分组1
• ([A-Za-z])：捕获第五列开头的单个字母链ID，保存到分组3
• ([0-9]+)：捕获链ID后面的所有数字，保存到分组4
• \1\3 \4：把前4个字段、链ID、空格、数字拼接起来，完成拆分

如果是macOS系统，sed的-i参数需要加一个空后缀，命令改成：

sed -E -i '' 's/^(([^ ]+ ){4})([A-Za-z])([0-9]+)/\1\3 \4/' test.pdb

方法二：用awk处理（更直观，适合列操作） #

awk天生擅长按列处理文本，这个方法逻辑更清晰：

awk '{match($5, /^([A-Za-z])(.*)/, res); $5 = res[1] " " res[2]; print}' test.pdb

命令解释： #

• match($5, /^([A-Za-z])(.*)/, res)：在第五列中匹配“开头单个字母+剩余内容”的结构，把字母存到res[1]，后面的数字存到res[2]
• $5 = res[1] " " res[2]：重新赋值第五列为“字母+空格+数字”
• print：输出修改后的整行

如果要原地修改文件，可以把输出重定向到临时文件再替换原文件：

awk '{match($5, /^([A-Za-z])(.*)/, res); $5 = res[1] " " res[2]; print}' test.pdb > temp.pdb && mv temp.pdb test.pdb

用你的示例输入测试这两个命令，都会得到期望的输出：

ATOM 12107 N CYS D 1742 -42.369 73.203 -44.599 1.00224.20 C N

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