从大文本文件中提取行

从大文本文件中提取行

我有一个文本文件,其中的数据如下所示(准确地说是 1875 行)

chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 6585538 6585547 0.905022147 -   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148428 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_-_6585517 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 6767855 6767864 0.703029237 +   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148303 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_+_6768100 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 8686283 8686292 0.481284243 +   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148085 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_-_8685906 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 10660924    10660933    0.818294903 +   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148400 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_+_10661128 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 12327417    12327426    0.584010382 -   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148387 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_+_12327504 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 12327433    12327442    0.825226087 -   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148388 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_+_12327504 

我正在寻找一种解决方案来提取末尾附近有“+”的行。 (它发生在最后一个之后;。同样,我希望提取-股线并放入单独的文件中。

编辑:数据集更改,之前查看了错误的文件。

答案1

从评论中,我了解到您正在寻找提取第七列为+or的行-。输入文件以制表符分隔。为此,在将+行保存到名为 的文件中plus并将减号行保存到名为 的文件时minus,最自然的工具可能是awk

awk -F'\t' '$7=="+"{print >"plus"} $7=="-"{print>"minus"}' file

怎么运行的:

  • -F'\t'

    awk一次读入一条记录(行)并将其分成字段。在这里,我们将字段分隔符设置为制表符。

  • $7=="+"{print >"plus"}

    如果第 7 个字段是 a +,则将该行保存到文件中plus

  • $7=="-"{print>"minus"}

    类似地,如果第 7 个字段是-,则将该行保存在文件中minus

答案2

sed -ne '/^[^+-]*+/w plus.file' -e //d -e '/^[^+-]-/w minus.file' <infile

对于第七个制表符分隔部分,执行以下操作:

sed -ne 'h;s/\([^\t]*\t\)\{6\}[^\t+-]*//
            /^-/{g;w minus.file' -e 'b
         }; /^+/{g;w plus.file'  -e \}

但您可能必须使用文字<tab>字符来代替\t上面的转义字符。

相关内容