☰

分隔符

tag-icon • tag-icon linux grep numeric-data
分隔符

我有一个带有标签计数的基因组数据文件，我想知道一次代表了多少个：

$ grep "^1" file |wc -l

包括以 1 开头的所有行，因此它包括代表 10 次、11、次、100 次、1245 次等的标签。我该如何操作？

Current format
79      TGCAG.....
1       TGCAG.....
1257    TGCAG.....
1       TGCAG......

我只想要以下几行：

1       TGCAG.....

所以它不能包含以 1257 开头的行。笔记：上面的文件是制表符分隔的。

答案1

身体里的疑问

选择以 a 开头1且后跟空格的行

grep -c '^1\s'          file
grep -c '^1[[:space:]]' file

这也将给出行数（不需要调用 wc）

标题中的问题

A1 不是后跟另一个数字（或什么也不）：

grep -cE '^1([^0-9]|$)' file

但上述两种解决方案都有一些有趣的问题，请继续阅读。

在问题正文中，用户声称该文件是“制表符分隔”。

分隔符

标签

1以 a 开头，后跟制表符（命令中的实际制表符）的行。如果分隔符是空格（或任何其他分隔符，或没有分隔符），则此操作会失败：

grep '^1    ' file

空间

1以 a 开头，后跟空格（命令中的实际空格）的行。如果分隔符是任何其他分隔符或没有分隔符，则此操作将失败：

grep '^1 ' file

制表符或空格

grep '^1(   | )' file
grep '^1[[:blank:]]' file

空白

更灵活的选择是包含多个空格（水平和垂直）字符。字符类集由（空格）、（水平制表符）、（回车符）、（换行符）、（垂直制表符）和（换页符）[:space:]组成。但 grep 无法匹配换行符（这是一个内部限制，只能通过该选项来避免）。可以将其用作分隔符的描述。也可以使用 GNU 可用的简写形式，而且更短：\t\r\n\v\f-z\s

grep -c '^1[[:space:]]` file
grep -c '^1\s'          file

但如果分隔符是冒号:或任何其他标点字符（或任何字母），则此选项将失败。

边界

或者，我们可以使用从数字到“非数字”边界的转换，实际上是“不在[_[:alnum:]]( _a-zA-Z0-9) 中的字符”：

grep -c  '^1\b' file       # portable but not POSIX.
grep -c  '^1\>' file       # portable but not POSIX.
grep -wc '^1'   file       # portable but not POSIX.
grep -c  '^1\W' file       # portable but not POSIX (not match only a `1`) (not underscore in BSD).

这将接受以 1 开头并后跟一些标点符号的有效行。

答案2

听起来你只想要这个：

$ grep '^1\b' a
1        TGCAG.....
1        TGCAG......

对于其中的计数部分：

$ grep -c '^1\b' file
2

答案3

和awk：

awk '$1 == "1" { print; x++ } END { print x, "total matches" }' inputfile

答案4

使用grep：

grep -c '^1\s' file

这将匹配任何以 1 开头且后跟空格的行，并提供这些行的计数（无需wc -l）

$ cat input
79       TGCAG.....
1        TGCAG.....
1257     TGCAG.....
1        TGCAG......
$ grep -Ec '^1\s' input
2

相关内容