Linux note_awk

awk 'BEGIN{} {action} END{}' filename

awk workflow

awk以文件的一行为处理单位，首先将文件逐行读入，以分隔符将每行切片，
然后再进行各种分析处理.

读入有\n换行符的一条记录，然后将记录按照指定的域分隔符（默认为空格和tab）划分域，填充域，$0表示所有域，$1表示第一个域，$n表示第n个域。
首先我随意写了一个tab分割的表格，命名为lst.gff

chr	gene	start	end	id	description
1	cds	1	23	skdfsj	sldnfkakfnalksdfa
3	intron	5	39	mksd	slkfmaskfmld
11	intron	212	423212	skdfmak	ksdmfsk
12	cds	5	23	sdklmk	skdflksa

提取chr, end, start列,并在最后加入一列gene

awk {print $1,$4,$3,"gene"} lst.gff

chr end start gene  
1 23 1 gene  
3 39 5 gene  
11 423212 212 gene  
12 23 5 gene

提取chr, start, end列，并在第一行加上1，2，3，最后一行加上a, b, c

awk 'BEGIN {print "1,2,3"} {print $1,$3,$4} END{print "a,b,c"}' lst.gff

1,2,3
chr start end
1 1 23
3 5 39
11 212 423212
12 5 23
a,b,c

awk会先执行BEGING{}中的内容
然后读取文件第一行，按照规则分割文件，再执行pattern和action
接着开始读入第二条记录······直到所有的记录都读完
最后执行END操作

搜索文件中包含“5”的行，并将其所在行提取出来

awk '/5/{print $0}' lst.gff

3   intron  5   39  mksd    slkfmaskfmld
12  cds 5   23  sdklmk  skdflksa