时间戳

首页 > 解决方案 > 有没有办法通过合并重复项和制表符非重复项来将多行解析为单行？

text-processing - 有没有办法通过合并重复项和制表符非重复项来将多行解析为单行？

问题描述

我在格式化这样的列表时遇到问题：

问题：

XYZ gene1
XYZ gene2
GHE ATG01
GHE ATG02

目标（制表符分隔的空格）：

XYZ gene1 gene2
GHE ATG01 ATG02

我尝试了ruby -F -ane '$F[1].split(/\t/).each {|x|print [$F [0],x,$F[2]]*"\t", xargs, 和paste命令，但后来被困在弄清楚它是如何工作的，并且 ruby​​ 命令是创建多行，而不是单行。我也是命令行文本处理的新手。

这就是我实际处理的（以及更多）：

14-3-3 proteins AT1G22300
14-3-3 proteins AT1G26480
14-3-3 proteins AT1G34760
14-3-3 proteins AT1G35160
ZIK subfamily AT1G64630
ZIK subfamily AT3G04910
ZIK subfamily AT3G18750

我希望得到这个：

14-3-3 proteins AT1G22300 AT1G26480 AT1G34760 AT1G35160
ZIK subfamily AT1G64630 AT3G04910 AT3G18750

这就是我得到的：

xargs -a <some_file> | sed 's/ /,/g'
14-3-3,proteins,AT1G22300,14-3-3,proteins,AT1G26480,14-3-3,proteins,AT1G34760,14-3-3,proteins,AT1G35160,14-3-3,proteins,AT1G78220,14-3-3,proteins,AT1G78300,14-3-3,proteins,AT2G42590,14-3-3,proteins,AT3G02520,14-3-3,proteins

标签： text-processingcommand-line-arguments

解决方案

与米勒（https://github.com/johnkerl/miller/releases/tag/5.4.0）

mlr --nidx --ofs "\t" nest --nested-fs " " --implode --values --across-records -f 3 input.csv

您有（选项卡作为字段分隔符，空格作为嵌套值的字段分隔符）

14-3-3  proteins        AT1G22300 AT1G26480 AT1G34760 AT1G35160
ZIK     subfamily       AT1G64630 AT3G04910 AT3G18750

作为输入，我使用了这个（空格分隔）

14-3-3 proteins AT1G22300
14-3-3 proteins AT1G26480
14-3-3 proteins AT1G34760
14-3-3 proteins AT1G35160
ZIK subfamily AT1G64630
ZIK subfamily AT3G04910
ZIK subfamily AT3G18750

推荐阅读