Eu tenho um arquivo que se parece com isso:

ID101     G    T     freq=.5     nonetype     ANC=.1     addinfor
ID102     A    T     freq=.3     ANC=.01    addinfor
ID102     A    T     freq=.01     type=1     ALT=0.022    ANC=.02    addinfor

Como você pode ver, cada linha tem um número ligeiramente diferente de colunas. Eu quero especificamente a coluna 1, coluna 2, coluna 3, coluna 4 e a coluna que começa comANC=

Saída desejada:

ID101     G    T     freq=.5     ANC=.1
ID102     A    T     freq=.3     ANC=.01
ID102     A    T     freq=.01    ANC=.02

Geralmente uso o comando an awk para analisar arquivos:

awk 'BEGIN {OFS = "\t"} {print $1, $2, $3, $4}'

Existe uma maneira fácil de alterar esse comando para funcionar em situações como essa?

Eu acho que algo assim pode funcionar:

awk '{for(j=1;j<=NF;j++){if($j~/^ANC=/){print $j}}}'

No entanto, como posso editar isso para também imprimir as primeiras colunas?

Com awk:

awk '{for(i=5;i<=NF;i++){if($i~/^ANC=/){a=$i}} print $1,$2,$3,$4,a}' file

• for(...)percorre todos os campos, começando com o campo 5 ( i=5).
  • if($i~/^ANC=/) verifica se o campo começa com ANC=
  • a=$i se sim, defina a variável a para esse valor
• print $1,$2,$3,$4,aimprima os campos 1 a 4 seguidos pelo que estiver armazenado a.

Pode ser combinado com, é BEGIN {OFS="\t"}claro.

Supondo que a ANC=coluna seja sempre a penúltima coluna (como nos dados de exemplo):

$ awk '{ print $1, $2, $3, $(NF-1) }' data.in
ID101 G T ANC=.1
ID102 A T ANC=.01
ID102 A T ANC=.02

NFé o número de campos (colunas) que awkdivide cada registro (linha). $(NF-1)é o valor do penúltimo campo.

perl -pale '$"="\t", $_="@{[@F[0..3],         grep {   /^ANC=/ } @F[4..$#F]]}"' yourfile
perl -lane '$,="\t",          print @F[0..3], grep {   /^ANC=/ } @F[4..$#F]'    yourfile
perl -lane '($,,$a)=("\t",0), print grep { $a++ < 4 or /^ANC=/ } @F'            yourfile

Breve

$, => OFS @F[0..3]=>$F[0] $F[1] $F[2] $F[4]