我有一个如下所示的文件：
gene ID protein
Solyc06g062540 (Z) PYROPHOSPHATASE 3 (PTHR20889:SF0)
Solyc10g075050 ALBUMIN SUPERFAMILY (PTHR33076:SF11)
Solyc07g061760 SUBFAMILY (PTHR24177:SF35)
该文件以制表符分隔；第一列（基因 ID）和第二列（蛋白质名称）之间有一个制表符。（蛋白质名称可以包含空格，但不能包含制表符。）蛋白质名称包含括号中的字符串，例如(PTHR33076:SF11)；这是蛋白质ID。我想保留第一列并删除第二列中除蛋白质 ID（及其括号）之外的所有内容。因此输出将如下所示：
Solyc06g062540 (PTHR20889:SF0)
Solyc10g075050 (PTHR33076:SF11)
Solyc07g061760 (PTHR24177:SF35)
我该怎么做？我使用“标记”功能标记了括号中的所有 ID，并输入(\w+\d+:\w+\d+)以突出显示括号中的所有 ID，但我无法对其进行操作。请注意，一些蛋白质名称确实有其他带括号的字符串（例如，参见第一行，其中蛋白质名称包含(Z)我想要的 ID 值）。我不想保留那些。
答案1
您可以使用正则表达式搜索和替换来执行此操作。按Ctrl+H打开替换对话框。确保搜索模式为Regular Expression。
找什么：
(^[^\t\r\n]+\t)[^\t\r\n]+(\(\w+\d+:\w+\d+\))[^\t\r\n]*
用。。。来代替：
\1\2
模式解释：
[^\t\r\n]+是任何不包含制表符、换行符或回车符的字符串。这应该只匹配文件中某一列的文本。
^[^\t\r\n]+匹配第一列的内容，因为前导^将匹配限制在行首。
第一个捕获组(^[^\t\r\n]+\t)匹配第一个字段和后面的选项卡的内容。
[^\t\r\n]+(\(\w+\d+:\w+\d+\))[^\t\r\n]*匹配第二个字段的内容，并且仅当括号表达式存在时才匹配。
第二个捕获组(\(\w+\d+:\w+\d+\))与括号表达式匹配。
替换模式\1\2返回第一个和第二个捕获组。这实际上删除了第二个字段中的周围文本，因为匹配的那部分不包含在捕获组中。
答案2
如果（括号内的）蛋白质 ID 始终是行中的最后一个字符（如您所展示的），则搜索\t.*(
（或可能\t[^\r\n]*(）并将其替换为就足够了\t(。