在几行(在一个文档中)中查找和排序未排序的内容

Question

我有一个文件，其中一行有一些未排序的内容，我想把它们放入一个新文件

这是我的部分文件的一个例子:

X1314448: SaMi|SM_g2554.t1 SaMi|SM_g5072.t1 Des|Des_g3808.t1 Dul|Dul_comp50786_c0_seq1-1 Nig|Nig_comp88811_c0_seq2-1 AB|AB0003DMP400018076_AB0003DMT400026495 Phy|Phy_comp35647_c0_seq1-1 SWtf|SW_g27807.t1 Tom|Solyc02g077050.2.1
X1314810: Des|Des_g33587.t1 Nig|Nig_comp84357_c0_seq1-1 AB|AB0003DMP400020961_AB0003DMT400030857 Phy|Phy_comp33112_c0_seq1-1 SaMi|SM_g27352.t1 SWtf|SW_g21774.t1 TAIR|AT4G14930.1 Tom|Solyc06g054250.2.1 Dul|Dul_comp63657_c0_seq2-1
X1327159: AB|AB0003DMP400016823_AB0003DMT400024599 AB|AB0003DMP400017933_AB0003DMT400026257 Dul|Dul_comp58749_c0_seq2-1
X1330513: Des|Des_g36886.t1 AB|AB0003DMP400049952_AB0003DMT400073802 SWtf|SW_g16502.t1
X132738: Des|Des_g491.t1 Des|Des_g6171.t1 Dul|Dul_comp57659_c0_seq2-1 Dul|Dul_comp57659_c0_seq3-1 Dul|Dul_comp57659_c0_seq4-1 Ni                                                                       g|Nig_comp93106_c3_seq1-1 Nig|Nig_comp93106_c3_seq2-1 AB|AB0003DMP400005485_AB0003DMT400007895 AB|AB0003DMP400021388_PGS                                                                       C0003DMT400031553 Phy|Phy_comp61931_c0_seq1-1 Phy|Phy_comp61931_c0_seq2-1 Phy|Phy_comp61931_c0_seq3-1 Phy|Phy_comp61931_c0_seq4-1                                                                        RICE|LOC_Os08g43334.1 RICE|LOC_Os08g43334.2 RICE|LOC_Os09g35790.1 RICE|LOC_Os09g35790.2 SaMi|SM_g30888.t1 SaMi|SM_g5888.t1 SWtf|SW                                                                       _g17547.t1 SWtf|SW_g33717.t1 Des|Des_g47565.t1 SaMi|SM_g6027.t1 SWtf|SW_g42019.t1 TAIR|AT5G62020.1 Tom|Solyc03g026020.2.1 TAIR|AT4                                                                       G11660.1

我想要的是有第一部分，"X1314448:"，后面跟着"Des|Des_g3808.t1"。如果有另一个"Des_xxx"(在某些情况下有不止一个，如在第二到最后一行)，我希望它也被包括在内，然后是输出文件中的"AB|AB00…"，但由于它是一个未排序的列表，我不确定如何排序我想要的三个不同的部分，同时仍然保持它们在同一行(保持它们相互链接)。我也不知道如何在一行上得到这样的几个匹配。

所以对于第一行，输出应该是:

X1314448: Des|Des_g3808.t1 AB|AB0003DMP400018076_AB0003DMT400026495 

倒数第二个:

X1330513: Des|Des_g36886.t1 AB|AB0003DMP400049952_AB0003DMT400073802

表示最后一个:

X132738: Des|Des_g491.t1 Des|Des_g6171.t1 Des|Des_g47565.t1 AB|AB0003DMP400005485_AB0003DMT400007895 AB|AB0003DMP400021388_PGSC0003DMT400031553

我认为主要的问题是最后一行。我还希望能够将文件修改为把"Dul|…"也包括在内。

我已经尝试了几件事，似乎最后一行使它不可能使用管道和grep，虽然我不确定，因为我已经看到一些伟大的事情完成使用该方法。我有一些使用Perl的经验，但不知道如何使用它来解决这个问题。我也尝试过使用awk，这可能是解决这个问题的最佳方法，但我也没有使用它的有效解决方案。

对于如何解决这个问题，我非常感谢。

Answer 1

script.awk内容

# Ignore blank lines we put a condition NF which means only perform
# action on lines that are not blank
NF {
# Initialize variables
    x=y=""
# We print the fist column along with the FS variable which is blank by default
    printf "%s", $1
# We loop through the lines from second column until the very last
    for (i=2;i<=NF;i++) {
# If our column starts with Des then append our variable x with the value
        if ($i ~ /^Des/) {
            x = x FS $i
        }
# If our column starts with AB then append our variable y with the value
        else if ($i ~ /^AB/) {
            y = y FS $i
        }
    }
# Print variable y if x is empty else print both x and y
    print !x ? y : x y    
}

测试:运行您的inputdata

$ awk -f script.awk file
X1314448: Des|Des_g3808.t1 AB|AB0003DMP400018076_AB0003DMT400026495
X1314810: Des|Des_g33587.t1 AB|AB0003DMP400020961_AB0003DMT400030857
X1327159: AB|AB0003DMP400016823_AB0003DMT400024599 AB|AB0003DMP400017933_AB0003DMT400026257
X1330513: Des|Des_g36886.t1 AB|AB0003DMP400049952_AB0003DMT400073802
X132738: Des|Des_g491.t1 Des|Des_g6171.t1 Des|Des_g47565.t1 AB|AB0003DMP400005485_AB0003DMT400007895 AB|AB0003DMP400021388_PGS