Question

我有一个包含3行的文件，如下所示：

col1    set=SamSNP;ANNOVAR_DATE=2015-04-15;Func.ensGene=exonic;Gene.ensGene=ENSCAFG00000000009.3;ANNOVAR_DATE=2015-04-15;Func.ensGene=exonic;GeneDetail.ensGene=.;ALLELE_END    GT:PL

我需要删除从“ANNOVAR_DATE”开始直到第3列中“ANNOVAR_DATE”出现的文本。期望的输出如下所示：

col1    set=SamSNP;ANNOVAR_DATE=2015-04-15;Func.ensGene=exonic;GeneDetail.ensGene=.;ALLELE_END  GT:PL

linux中的任何解决方案？

Answer 1

以下是使用sed

执行此操作的方法

sed -e 's/\(.*\)\(ANNOVAR_DATE=[^;]*;\).*ANNOVAR_DATE=*[^;]*;\(.*\)/\1\2\3/' <filename>

这将该线分为4个部分：

a）所有字符，直到ANNOVAR_DATE，
b）ANNOVAR_DATE部分的第一个实例，
c）直到并包括下一个ANNOVAR_DATE实例的所有内容 d）其余部分。

'c'被丢弃，a，b和d被存储和打印。

\(.*\)存储为\1

\(ANNOVAR_DATE=[^;]*;\)此部分（包括实际日期和分号）存储为\2

.*ANNOVAR_DATE=*[^;]*;这将选择所有内容直到下一个ANNOVAR_DATE部分并丢弃它

最后，\(.*\)将该行的其余部分存储为\3

如何删除linux中列中的特定文本

1 个答案: