Grep：返回匹配行加上以下N行到某个字符？

Question

我有一个文本文件，其格式如下：

>keyword1 keyword2 keyword3
somedata
somedata
somedata
>keyword4 keyword5 keyword6
somedata
somedata
>keyword7 keyword8
somedata
somedata
somedata
somedata
....

即，始终以＆＃34;＆gt;＆＃34;开头的注释行然后是可变数量的数据行。

我想在开始的行中找一些东西＆＃34;＆gt;＆＃34;并返回后面的所有数据行。如果之后总是有4行数据，我可以grep -A 4 '^>' keyword，但我不知道如何解释变化。

举个例子，如果文件是这样的：

>tomato lettuce cucumber
123
456
>apple banana
111
222
333
>tomato
444
5757
558585

我希望能够用＆＃34;番茄＆＃34;做一些类似grep的事情。并回来：

>tomato lettuce cucumber
123
456
>tomato
444
5757
558585

Answer 1

awk one-liner：

kent$  awk '/^>/{t=/tomato/?7:0}t' file  
>tomato lettuce cucumber
123
456
>tomato
444
5757
558585

Answer 2

使用awk的另一种方式：

awk -v RS='>'  '/tomato/ {printf(">%s",$0)}' file
>tomato lettuce cucumber
123
456
>tomato
444
5757
558585

这会将记录分隔符RS从默认换行符更改为＆＃34;＆gt;＆＃34;。如果记录中包含您感兴趣的单词，请将其打印出来。

如果您正在处理FASTA数据，您还有其他选择，例如BioPerl中的Bio::SeqIO模块。