去除基因id后的小数点信息

有的文件geneid带有版本信息需要去掉，以匹配其他文件：

要去掉的是第四列

要匹配的文件如：

基因名对应关系文件

命令：

awk 'BEGIN{OFS="\t"} {gsub(/.[0-9]$/,"",$4); print $0}' mm10.ensembl.ref.bed | head

原理：

此bed文件的第四列，使用gsub进行替换，将符合/.[0-9]$/的替换成""空格。

如果有多列，怎用gsub多次，加；即可。

去除后效果

好像有bug，有的去掉后还剩余小数点，咋回事？

原来是有的后面是是两个！坑爹呀！

看了原始教程：

http://www.endmemo.com/program/R/gsub.php 

发现自己理解有误：

改为：

awk 'BEGIN{OFS="\t"} {gsub(/[:.:][0-9]/,"",$4); print $0}' mm10.gencode-vm18.compre.bed > 1.txt

使用awk-length查看：

awk '{print length($4)}' 1.txt | sort | uniq -c

还有问题

竟然去掉的是.和后面的一个数字

重要！

awk 'BEGIN{OFS="\t"} {gsub(/[:.:].{1,2}/,"",$4); print $0}' mm10.gencode-vm18.compre.bed > 1.txt

{1,2}意思是.号要匹配一到两次

或者：

awk 'BEGIN{OFS="\t"} {gsub(/[:.:].+/,"",$4); print $0}' mm10.gencode-vm18.compre.bed > 1.txt

+意思是至少匹配一次

查看，果然行：

！！！我常用的命令：

awk 'BEGIN{OFS="\t"} {gsub(/[:.:].+/,"",$1); print $0}' 1.txt > 2.txt

结论：正则匹配用的真不熟！

1

2