☰

如何打印特殊字符串？

tag-icon • tag-icon command-line bash scripts
如何打印特殊字符串？

我有一个包含以下内容的文件：

NC_014378.1 Protein Homology    CDS 192004  192117  .   +   0   ID=cds185;Parent=gene211;Dbxref=Genbank:WP_013277182.1;Name=WP_013277182.1;gbkey=CDS;inference=COORDINATES: similar to AA sequence:RefSeq:WP_005487032.1;product=50S ribosomal protein L36;protein_id=WP_013277182.1;transl_table=11
NC_014378.1 Protein Homology    CDS 1753871 1754437 .   +   0   ID=cds1636;Parent=gene1718;Dbxref=Genbank;Name=NP_013278608.1;gbkey=CDS;inference=COORDINATES: similar to AA sequence:RefSeq:NP_013278608.1;product=hypothetical protein;protein_id=NP_013278608.1;transl_table=11
NC_014378.1 Protein Homology    CDS 233759  235705  .   +   0   ID=cds226;Parent=gene252;Dbxref=Genbank;Name=RCSM;gbkey=CDS;inference=COORDINATES: similar to AA sequence:RefSeq:YP_013277222.1;product=methyl-accepting chemotaxis;transl_table=11
NC_014378.1 Protein Homology    CDS 486732  488687  .   +   0   ID=cds446;Parent=gene486;Dbxref=Genbank:WP_013277438.1;Name=WP_013277438.1;gbkey=CDS;inference=COORDINATES: similar to AA sequence:RefSeq:WP_013277438.1;product=methyl-accepting chemotaxis protein;protein_id=WP_013277438.1;transl_table=11

我想获得以下输出

192004  192117  +  WP_013277182.1
1753871 1754437  +  NP_013278608.1
233759  235705  +  YP_013277222.1
486732  488687  +  WP_013277438.1

将使用哪个 unix 命令。

答案1

使用 Perl：

perl -naE 'say "$F[4] $F[5] $F[7] ", /([NWY]P_.*?);/'
  • perl -naE 对于每一行，分成字段并......
  • say "$F[4] $F[5] $F[7] ", /([NWY]P_.*?);/...并打印 4、5、7 和正则表达式

答案2

使用 GNU awk：

awk '{print $5,$6,$8,gensub(/.*([NWY]P_[^;]+).*/,"\\1",1)}'

这将打印（以空格分隔的）字段 5、6、8 和以“N”、“W”或“Y”开头、后跟“P_”的第一个字符串，直到当前行的下一个分号。

如果你想要一个不同的哦输出F领域年代eparator，更改 BEGIN 块中的 OFS 变量，例如对于两个空格使用：

awk 'BEGIN{OFS="  "}{print $5,$6,$8,gensub(/.*([NWY]P_[^;]+).*/,"\\1",1)}'

如果您想要对齐制表OFS="\t"符分隔列的值，这是一个不错的选择。

如果您不能使用 GNU，awk您可以使用match()和substr()函数来替换gensub()：

awk 'match($0,/[NWY]P_[^;]+/){print $5,$6,$8,substr($0,RSTART,RLENGTH)}'

解释

  • print $5,$6,$8– 打印由 OFS 分隔的这些字段
  • gensub(/.*([NWY]P_[^;]+).*/,"\\1",1)– 在（默认）整个当前行上，.*([NWY]P_[^;]+).*用组 1（）中保存的内容替换"\\1"一次。.*([NWY]P_[^;]+).*匹配将由“N”、“W”或“Y”后跟“P_”以及至少一个非“；”的字符组成的第一个字符串的整行保存[^;]+为一个组（，因为正则表达式是贪婪的，所以这会匹配直到第一个分号的所有内容）。
  • match($0,/[NWY]P_[^;]+/)– 搜索$0（= 整行）以查找[NWY]P_[^;]+（参见上文）的第一个匹配项，并将RSTART变量设置为其索引，将RLENGTH变量设置为其字符数。
  • substr($0,RSTART,RLENGTH)– 从 中$0提取从 index 开始的RSTART长度为RLENGTH

示例运行

$ cat YP 
NC_014378.1 Protein Homology    CDS 192004  192117  .   +   0   ID=cds185;Parent=gene211;Dbxref=Genbank:WP_013277182.1;Name=WP_013277182.1;gbkey=CDS;inference=COORDINATES: similar to AA sequence:RefSeq:WP_005487032.1;product=50S ribosomal protein L36;protein_id=WP_013277182.1;transl_table=11
NC_014378.1 Protein Homology    CDS 1753871 1754437 .   +   0   ID=cds1636;Parent=gene1718;Dbxref=Genbank;Name=NP_013278608.1;gbkey=CDS;inference=COORDINATES: similar to AA sequence:RefSeq:NP_013278608.1;product=hypothetical protein;protein_id=NP_013278608.1;transl_table=11
NC_014378.1 Protein Homology    CDS 233759  235705  .   +   0   ID=cds226;Parent=gene252;Dbxref=Genbank;Name=RCSM;gbkey=CDS;inference=COORDINATES: similar to AA sequence:RefSeq:YP_013277222.1;product=methyl-accepting chemotaxis;transl_table=11
NC_014378.1 Protein Homology    CDS 486732  488687  .   +   0   ID=cds446;Parent=gene486;Dbxref=Genbank:WP_013277438.1;Name=WP_013277438.1;gbkey=CDS;inference=COORDINATES: similar to AA sequence:RefSeq:WP_013277438.1;product=methyl-accepting chemotaxis protein;protein_id=WP_013277438.1;transl_table=11
$ <YP awk '{print $5,$6,$8,gensub(/.*([NWY]P_[^;]+).*/,"\\1",1)}'
192004 192117 + WP_013277182.1
1753871 1754437 + NP_013278608.1
233759 235705 + YP_013277222.1
486732 488687 + WP_013277438.1

答案3

和sed：

sed -E 's/.*CDS //;s/ *\. //;s/ 0.*([NWY]P_[^;]+).*/\1/'

解释

  • s/.*CDS //–s将字符串“CDS”及其之前的所有内容（在当前处理的行上）替换为空 – 这将删除行的开头
  • s/ *\. //– 将零个或多个空格后跟点，再跟空格替换为空 – 这将删除点列及其空格字符
  • s/ 0.*([NWY]P_[^;]+).*/\1/– 用“ 0”替换，后跟零个或多个字符，用字符串“N”、“W”或“Y”替换，后跟“P_”，后跟至少一个非分号的字符（将此字符串保存在一个组中），后跟保存的字符串的零个或多个字符 – 这将获取行尾，提取第一个 WP 字符串并删除其他所有内容

示例运行

$ <YP sed -E 's/.*CDS //;s/ *\. //;s/ 0.*([NWY]P_[^;]+).*/\1/'
192004  192117  +  WP_013277182.1
1753871 1754437  +  NP_013278608.1
233759  235705  +  YP_013277222.1
486732  488687  +  WP_013277438.1

相关内容