Question

这是我输入的样子：

>a
AACTCTCTC
CGTGCTCTC
>b_random
ACTGSTSTS
CTCTCTCCT
ATATATA
>c
AACTCTCTC
CGTGCTCTC
>d
AACTCTCTC
CGTGCTCTC
CGTGCTCTC
>e_random
ACTGSTSTS
CTCTCTCCT
ATATATA
>c_random
ACTGSTSTS
CTCTCTACT
GSTSTSCTC
TCTCCTCCT
ATATATA

我想删除包含短语＆＃34; random＆＃34; - 序列始终以＆＃34;＆gt;＆＃34;开头并在另一个序列开始时结束。

在这种情况下，我想获得3个文件：

A.TXT

>a
AACTCTCTC
CGTGCTCTC

c.txt

>c
AACTCTCTC
CGTGCTCTC

d.txt

>d
AACTCTCTC
CGTGCTCTC
CGTGCTCTC

现在，我不能强迫sed做我想做的事。我从这开始：

 sed 's/random.*random//g' sample_data

什么不起作用。非常感谢你。

Answer 1

最简单的方法是使用awk和合理的RS / ORS设置：

awk '$1 !~ /random/ { print RS $0 > $1 ".txt"; close($1 ".txt" }' RS='>' ORS=''

如果您的说明行中包含空格，则还需要设置FS='\n'。

Answer 2

这是使用应处理大文件的awk的一种方式：

awk '/^>/ { i=substr($0,2) } i ~ /random/ { i="" } i { print > i ".txt" }' file

grep . *.txt的结果：

a.txt:>a
a.txt:AACTCTCTC
a.txt:CGTGCTCTC
c.txt:>c
c.txt:AACTCTCTC
c.txt:CGTGCTCTC
d.txt:>d
d.txt:AACTCTCTC
d.txt:CGTGCTCTC
d.txt:CGTGCTCTC

Answer 3

awk '/\>/ && $0!~/random/{file=substr($0,2)".txt";f=1}{if($0~/random/)f=0;if(f)print>file}' your_file

Answer 4

另一个不使用RS来避免限制的awk

awk -F\> '/>/{close(f); f=/random/?x:$2 ".txt"} f{print>f}' file

此版本还关闭文件并使用变量作为文件名，因为某些awks无法处理连接的打印目标。

删除包含短语“random”的所有序列

4 个答案: