Question

我的数据行如下所示：

sp_A0A342_ATPB_COFAR_6_+_contigs_full.fasta
sp_A0A342_ATPB_COFAR_9_-_contigs_full.fasta
sp_A0A373_RK16_COFAR_10_-_contigs_full.fasta
sp_A0A373_RK16_COFAR_8_+_contigs_full.fasta
sp_A0A4W3_SPEA_GEOSL_15_-_contigs_full.fasta

如何使用sed删除每行第4列（_分隔）后的部分字符串。最后屈服：

sp_A0A342_ATPB_COFAR
sp_A0A342_ATPB_COFAR
sp_A0A373_RK16_COFAR
sp_A0A373_RK16_COFAR
sp_A0A4W3_SPEA_GEOSL

Answer 1

cut更合适。

cut -d_ -f 1-4 old_file

这只是意味着使用_作为分隔符，并保留字段1-4。

如果你坚持sed：

sed 's/\(_[^_]*\)\{4\}$//'

这个左侧正好匹配一组的四次重复，由一个下划线后跟0个或多个非下划线组成。在那之后，我们必须在最后一行。这一切都没有被替换。

Answer 2

sed -e 's/\([^_]*\)_\([^_]*\)_\([^_]*\)_\([^_]*\)_.*/\1_\2_\3_\4' infile > outfile

匹配“任意数量的不'_'”，保存\（和\）之间匹配的内容，后跟'_'。这样做4次，然后匹配线的其余部分（被忽略）。用'_'分隔的每个匹配替换。

Answer 3

这是另一种可能性：

sed -E -e 's|^([^_]+(_[^_]+){3}).*$|\1|'

其中-E，与GNU sed中的-r一样，打开扩展正则表达式以便于阅读。

仅仅因为可以在sed中执行此操作，但并不意味着应该。我喜欢为此做得更好。

Answer 4

AWK喜欢在这些领域比赛：

awk 'BEGIN{FS=OFS="_"}{print $1,$2,$3,$4}' inputfile

或者更一般地说：

awk -v count=4 'BEGIN{FS="_"}{for(i=1;i<=count;i++){printf "%s%s",sep,$i;sep=FS};printf "\n"}'

Answer 5

sed -e 's/_[0-9][0-9]*_[+-]_contigs_full.fasta$//g'

答案仍然可能更快，而且通常更好。

Answer 6

是的，剪切方式更好，并且可以更容易地匹配每个背面。

我终于使用每一行的开头得到一个匹配：

 sed -r 's/(([^_]*_){3}([^_]*)).*/\1/' oldFile > newFile

用Sed删除字符串的部分

6 个答案: