使用sed

Question

我有一个多GB的文本文件，如下所示：

>seq1
AAAUAAAUAAAUAAA
............... (  0.00)
>seq2
AAAUAAAUAAAUAAU
............... (  0.00)
>seq3
AAAUAAAUAAAUAAC
............... (  0.00)
>seq4
AAAUAAAUAAAUAAG
............... (  0.00)
>seq5
AAAUAAAUAAAUAUA
............... (  0.00)

我需要将其转换为可以转储到MySQL表中的格式。我的想法是使它成为一个看起来像这样的CSV文件：

>seq1,AAAUAAAUAAAUAAA,...............,(  0.00)
>seq2,AAAUAAAUAAAUAAU,...............,(  0.00)

但我完全不确定如何编写正则表达式以使sed做它的事情。

Answer 1

试试这个：

sed '/^>seq[0-9]/{N;N;s/\n/,/g;s/ \((  [0-9]\.[0-9][0-9])\)/,\1/}' file

注意：：-i选项编辑文件到位，无需确认。

• />seq[0-9]/搜索以>seq开头，后跟一个数字
的行
• N;N;s/\n/,/g;用逗号替换下两个换行符
• 最后一个替换命令将括号之间的十进制数替换为前面带有逗号
的相同字符串

Answer 2

使用perl命令行（假设点是核苷酸）：

perl -0076 -pe 's/\b\s+/,/g' file

-0将记录分隔符更改为>（八进制中的076）
-p自动打印记录
-e执行以下命令