Question

我有一个由许多条目组成的文件，如下所示：

>1761420406686363113470.1
CAAGATTCTGAGATAATCGCGGTTTAAAGTTTCAAATTTGTTTCGGCCGATTCGAAGTCA

即。以＆gt;开头的标题行和许多行序列，后面是标题行。我正在尝试编写一个sed脚本，该脚本只包含以＆gt;开头的行。（不是序列行）并删除除前10个数字之外的所有数字。

对此有很多类似的问题，但我无法弄清楚。我一直在尝试对此代码进行修改：

sed 's/^>..........*/^>........../' input.fasta

但显然我做得不对..

Answer 1

这可能适合你（GNU sed）：

sed -r 's/^(>.{10}).*/\1/p;d' file

如果要保留序列行，则删除除了那些被替换的行之外的所有行：

sed -r 's/^(>.{10}).*/\1/' file

应符合条例草案。

Answer 2

您必须在括号中捕获前10个字符：

sed -e 's/^\(>..........\).*/\1/'

可以缩短为

sed -e 's/^\(>.\{10\}\).*/\1/'

Answer 3

作为sed的替代品，使用cut

$ echo ">1761420406686363113470.1" | cut -c1-11
>1761420406

要在以>开头的行上操作，请将其包装在bash-while-loop中

$ while read line; do if [[ $line == \>* ]]; then cut -c1-11 <<< $line; else echo $line; fi done < input
>1761420406
CAAGATTCTGAGATAATCGCGGTTTAAAGTTTCAAATTTGTTTCGGCCGATTCGAAGTCA

或使用awk：

$ awk '{if ($0 ~ />/){print substr($0,0,11)}else{print}}' input
>1761420406
CAAGATTCTGAGATAATCGCGGTTTAAAGTTTCAAATTTGTTTCGGCCGATTCGAAGTCA

Answer 4

由于已发布好sed个答案，因此这是一个`GNU-awk解决方案。

gawk '/^>/{print gensub(/(.{11}).*/,"\\1","G",$1);next }1' inputFile

删除以唯一模式开头的行中的字符

4 个答案: