Question

我有以下输入

ASR cAND text1 （p .Pro221Leu）
   GMPPB cAND text2 c .1069G＆gt; A（p.Val357Ile）
   KLHL40 cAND text3
   GMPPB cAND text4 c .220C＆gt; T（p.Arg74Ter）

我想在粗体之间打印任何文字，即 cAND 和（（p 或 c ）之间的文字
注意：text3不是预期的，因为它不能满足上述条件。

expected output(underlined) 
text1
text2
text4    

regex used
grep "cAND.+(c\.|\(p)"

但是我没有得到预期的输出。请告诉我我的正则表达式有什么问题？谢谢

Answer 1

在Perl模式下使用grep，您可以执行此操作（请参阅demo）：

grep -P "cAND[ ]*\K\S+(?=[ ]*(?:c.|\(p))" some_path_or_files

它是如何运作的？贪婪。

cAND[ ]*确保我们拥有cAND并且还匹配以下空格

\K会丢弃到目前为止我们匹配的内容，以便我们可以返回干净的字符串，例如text1

\S+匹配我们想要的字符：任何非空格字符

(?=[ ]*(?:c.|\(p))前瞻确保后面的内容是空格和c或p分隔符

出了什么问题？

.+中的cAND.+(c\.|\(p)是“贪婪的”：它会占用所有字符，直到字符串结束，然后它会回溯直到(c\.|\(p)可以满足。因此，它会占用最后一个c或p的字符，例如：cAND text2 c.1069G>A (p

它匹配整个字符串，而不仅仅是text1。

带有Lookarounds的备用正则表达式

因为你正在研究正则表达式......这也有效。

(?<=cAND).*?(?=c.|\(p)

<强>参考

The Many Degrees of Regex Greed

Answer 2

使用sed -r：

sed -r 's/^.*cAND ([^ ]+)( \(?[cp].*)?$/\1/' file
text1
text2
text3
text4

PS：在OSX上使用sed -E。

Answer 3

那个通过awk，

$ awk '$2=="cAND" && $4~/^c|^\(p/ { print $3}' file
text1
text2
text4

检查第2列为cAND，第4列是以c还是(p开头。如果满足两个条件，则将打印该对应行的第3列。

正则表达式查询打印所需的输出

3 个答案: