在文本文件中查找字符串，将由tab分隔的5组字符串替换为第三个字符串

Question

您好我试图转换文本文件：

>ENSG0123456 ENST0234567 ENSP0345678 scaffold999:1234-2345 1
ENOASDOIJSADJASPDOKPOKASD
ASDOJOIASJDOIJAKDJLKASDJL
ASLDKJLKASJDLKASJDLKJASLK

>ENSG0234567 ENST0345678 ENSP0456789 scaffold9999:2345-3456 -1
POIWQELKJLKJASMDNKLSJDLKA
ASPDOILKNSDMNASDLKJSADOIM
POAKSDAMNSADOIHOADPOKSDLK

对此：

>ENSP0345678
ENOASDOIJSADJASPDOKPOKASD
ASDOJOIASJDOIJAKDJLKASDJL
ASLDKJLKASJDLKASJDLKJASLK

>ENSP0456789
POIWQELKJLKJASMDNKLSJDLKA
ASPDOILKNSDMNASDLKJSADOIM
POAKSDAMNSADOIHOADPOKSDLK

我的awk / sed级别没有达到在合理的时间范围内为此问题找到解决方案的水平。有人有建议吗？

Answer 1

 awk -F'\t' 'NF > 1{$0=">"$3}1' file 

<强>输出

>ENSP0345678
ENOASDOIJSADJASPDOKPOKASD
ASDOJOIASJDOIJAKDJLKASDJL
ASLDKJLKASJDLKASJDLKJASLK

>ENSP0456789
POIWQELKJLKJASMDNKLSJDLKA
ASPDOILKNSDMNASDLKJSADOIM
POAKSDAMNSADOIHOADPOKSDLK

Answer 2

所有这些都可以满足您的需求：

awk -F"\t" '/>/{printf ">%s\n",$3; next}1;' file.fa 

或

perl -F"\t" -lane '/>/ ? print ">$F[2]" : print' file.fa 

或者，假设您只需要肽名称（ENSP.*）：

perl -pe 's/>.*(ENSP.+?)\s.*$/>\1/' file.fa