Question

我正在尝试删除两个字符串之间的文本，但保留模式之前和之后的所有数据。我正在使用的示例文本：

comp117_c0_seq1 len=214 path=[173:0-52 372:53-71 226:72-213]
comp143_c0_seq1 len=285 path=[263:0-226 490:227-284]
comp541_c0_seq1 len=230 path=[1:0-132 134:133-229]  gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

所以目标是删除以“len”开头并以“path = [...]”结尾的文本。并保留所有文本区域之前和之后的所有内容。有人会有任何建议。我希望输出看起来像：

comp117_c0_seq1 
comp117_c0_seq1
comp541_c0_seq1 gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

提前致谢。

Answer 1

使用sed

$ sed -r 's/len[^]]*]//' input_file
comp117_c0_seq1 
comp143_c0_seq1 
comp541_c0_seq1   gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

len匹配len
[^]]*否定字符类，匹配]以外的任何内容。

*量词，确保除] 以外的任何内容匹配零或多个tiems
]匹配]

path

使用awk

$ awk '{sub("len[^]]*]", "")}1' input
comp117_c0_seq1 
comp143_c0_seq1 
comp541_c0_seq1   gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

sub(ere, repl[, in ])替换字符串repl代替第一个实例字符串in和return中的扩展正则表达式ERE 替换次数。
1总是如此。 awk采用默认操作来打印整个记录。

Answer 2

从您的示例输入和输出中，您似乎要删除从len到下一个]的所有内容。这是（那个BSD / Mac sed）：

sed -E 's/len[^]]*\]//'

含义：替换len和每个不是]的字符，然后是]。这会在遇到的第一个]处停止。这是因为sed很贪心。 perl知道的更好：

perl -pe 's/len.*?\]//'

*?是非贪婪的运算符，所以它只会吃掉下一个不需要的令牌。

Answer 3

我会用sed：

来解决这个问题

cat file | sed -e 's/(^.*)len=.*path=\[[^\]*\](.*)$/\1\2/'

我可能需要在发布您的预期输出时对其进行修改。

Answer 4

假设：

$ echo "$tgt"
comp117_c0_seq1 len=214 path=[173:0-52 372:53-71 226:72-213]
comp143_c0_seq1 len=285 path=[263:0-226 490:227-284]
comp541_c0_seq1 len=230 path=[1:0-132 134:133-229]  gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

的Perl：

$ echo "$tgt" | perl -lne 'print "$1$2" if /^(\w+)\slen=\d+\sp
ath=\[[^\]]+?\](.*)$/'
comp117_c0_seq1
comp143_c0_seq1
comp541_c0_seq1  gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

或者，

$ echo "$tgt" | perl -lne 'print if s/len[^]]+\] *//'
comp117_c0_seq1 
comp143_c0_seq1 
comp541_c0_seq1 gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

删除列之间的字符串

4 个答案: