Awk脚本的精细过滤技巧

在数据处理领域，Awk 因其简洁而强大的文本处理能力而备受推崇。本文将通过一个具体的实例，详细探讨如何使用 Awk 脚本来进行精细的文本过滤。

背景

假设我们有一个 PDB (Protein Data Bank) 文件，其中包含了各种化学结构的信息。我们的目标是过滤掉文件中特定条件的行，同时在文件末尾添加一个 “END” 标签。具体来说，我们需要：

1. 排除以 “HETATM” 开头且包含 “lig” 或 “lih” 的行。
2. 排除以 “END” 开头的行。
3. 在处理后的文件末尾添加一个 “END”。

初试脚本

最初的 Awk 脚本如下：

awk '!/^HETATM/ && /lig|lih |^END/; END {print "END"}' test.pdb >> ./processed.pdb

然而，这个脚本实际上将几乎所有行都过滤掉了，只留下一个空文件和最后的 “END”。问题在于正则表达式逻辑的错误使用。

问题分析

初试脚本的问题在于：

• !/^HETATM/ 条件会忽略所有以 “HETATM” 开头的行，但后面的 <