☰

如何提取同一文本文件中不同行上的多条信息

tag-icon • tag-icon command-line text-processing extract
如何提取同一文本文件中不同行上的多条信息

我正在尝试提取同一文本文件中不同行上出现的序列 ID 和簇编号。

输入看起来像

>Cluster 72
0   319aa, >O311_01007... *
>Cluster 73
0   318aa, >1494_00753... *
1   318aa, >1621_00002... at 99.69%
2   318aa, >1622_00575... at 99.37%
3   318aa, >1633_00422... at 99.37%
4   318aa, >O136_00307... at 99.69%
>Cluster 74
0   318aa, >O139_01028... *
1   318aa, >O142_00961... at 99.69%
>Cluster 75
0   318aa, >O300_00856... *

所需的输出是一列中的序列 ID 和第二列中的相应簇编号。

>O311_01007  72
>1494_00753  73
>1621_00002  73
>1622_00575  73
>1633_00422  73
>O136_00307  73
>O139_01028  74
>O142_00961  74
>O300_00856  75

有人能帮忙吗？

答案1

使用 awk：

awk -F '[. ]*' 'NF == 2 {id = $2; next} {print $3, id}' input-file
  • 我们用空格或句点来分割字段-F '[. ]*'
  • 有两个字段的行（行>Cluster），将第二个字段保存为 ID 并移动到下一行
  • 与其他行一起，打印第三个字段和保存的 ID

答案2

你可以使用awk以下方法：

awk '/>Cluster/{
      c=$2;
      next
    }{
      print substr($3,2,length($3)-4), c
    }' file

第一个块语句用于捕获集群 ID。第二个块语句（默认）用于提取所需数据并打印。

答案3

下面是使用 Ruby 的另一种方法：

ruby -ne 'case $_; when /^>Cluster (\d+)/;id = $1;when /, (>\w{4}_\w{5})\.\.\./;puts "#{$1} #{id}";end' input_file

或分布在多行：

ruby -ne 'case $_
when /^>Cluster (\d+)/
  id = $1
when /, (>\w{4}_\w{5})\.\.\./
  puts "#{$1} #{id}"
end' input_file

我猜如果你了解 Ruby 和正则表达式，那么它比这个版本更易读awk。作为奖励，这个代码可能比简单地分割行更健壮一些，因为它会查找周围的文本。

答案4

Perl：

$ perl -ne 'if(/^>.*?(\d+)/){$n=$1;}else{ s/.*(>[^.]+).*/$1 $n/; print}' file 
>O311_01007 72
>1494_00753 73
>1621_00002 73
>1622_00575 73
>1633_00422 73
>O136_00307 73
>O139_01028 74
>O142_00961 74
>O300_00856 75

解释

  • perl -ne：逐行读取输入文件（-n）并将给出的脚本应用-e到每一行。
  • if(/^>.*?(\d+)/){$n=$1;}：如果此行以 开头>，则找出行末最长的数字，并将其保存为$n。
  • else{ s/.*(>[^.]+).*/$1 $n/; print：如果该行不是以 开头，则用( )后面>最长的非字符段替换所有内容，即序列名称（因为我们有.>>[^.]+$1被捕获正则表达式匹配）和 的当前值$n。

或者，采用更类似 awk 的方法：

$ perl -lane 'if($#F==1){$n=$F[1]}else{$F[2]=~s/\.+$//; print "$F[2] $n"}' file 
>O311_01007 72
>1494_00753 73
>1621_00002 73
>1622_00575 73
>1633_00422 73
>O136_00307 73
>O139_01028 74
>O142_00961 74
>O300_00856 75

这只是一种稍微麻烦一点的方法，但可以实现与各种awk方法相同的基本思想。我将其包括进来是为了完整性和 Perl 粉丝。如果您需要解释，只需使用 awk 解决方案 :)。

相关内容