☰

在一列中多次删除一个字符后面的文本

tag-icon • tag-icon text-processing awk sed bioinformatics
在一列中多次删除一个字符后面的文本

因此，我在文件的第二列和第三列中设置了某些文本，如下所示：

GO:0005634^cellular_component^nucleus`GO:0003677^molecular_function^DNA binding`

我想删除所有与功能相关的文本，并得到如下输出：

GO:0005634`GO:0003677

我不知道如何使用 sed 或 awk 来解决这个问题

笔记: 线条有不同数量的GO:xxxxxxx.

答案1

看起来数据使用反引号作为记录分隔符，使用抑扬符作为字段分隔符。

printf 'GO:0005634^cellular_component^nucleus`GO:0003677^molecular_function^DNA binding`' |
awk -F '^' -v RS='`' -v ORS='`' '{ print $1 }'

这仅打印每个记录的第一个字段（GO 术语），并使用反引号作为输出记录分隔符。

输出：

GO:0005634`GO:0003677`

（没有尾随换行符）

答案2

我相信这就是您所要求的。笔记： input.txt是你的输入文件。

只是 sed 
$ sed 's/\^[^`]*//g' input.txt
GO:0005634`GO:0003677`
GO:0005634`GO:0003677`
GO:0005634`GO:0003677`
GO:0005634`GO:0003677`
解释

sed用于删除以脱字号 (^) 开头的子字符串，并且可以包含除单个反引号之外的任何内容。一旦遇到反引号，sed将用任何内容替换它，从而有效地删除它。重复这种模式直到筋疲力尽。这具有删除所有字符串的效果^....。

grep + 粘贴 + sed 
$ grep -o 'GO:[0-9]\+' input.txt | paste -d'`' - - | sed 's/$/`/'
GO:0005634`GO:0003677`
GO:0005634`GO:0003677`
GO:0005634`GO:0003677`
GO:0005634`GO:0003677`
解释

grep从文件中取出所有 GO:XXXXX 字符串input.txt，paste将它们放入 2 列中，在 2 个 GO:XXXXX 字符串之间添加一个勾号，最后sed在末尾添加一个勾号。

参考

答案3

使用 GNU Awk ( gawk)：

gawk 'BEGIN{FPAT="`?GO:[0-9]+"; OFS=""} {$1=$1} 1' file

前任。

$ echo 'GO:0005634^cellular_component^nucleus`GO:0003677^molecular_function^DNA binding`' | 
  gawk 'BEGIN{FPAT="`?GO:[0-9]+"; OFS=""} {$1=$1} 1'
GO:0005634`GO:0003677

答案4

perl -lne 'print /((?:^|`)GO:\d+)/g' genes.file

解释：

  • 以行模式执行perl，并将记录显式打印到标准输出-n
  • 正则表达式/((?:^|`)GO:\d+)/g在当前记录中，字符串 GO: 的右侧是一个数字，左侧是 BOL 或反引号。然后，它会被多次抓取，/g 选项，并交给 print 命令，然后将其显示到 stdout，默认 OFS 为空。

相关内容