Question

我有这个复杂的文本文件超过22,000行：

>Cluster 35
0   2856nt, >tru_clu8_1_inde2_or1... *
>Cluster 36
0   1179nt, >gl_isotig07707... *
1   914nt, >un_isotig04557... at +/94.20%
2   1282nt, >cp_isotig06284... at -/92.43%
3   1137nt, >cp_isotig02981... at -/93.84%
>Cluster 37
0   2835nt, >yl_JTQ_com670_c0_seq1... *
>Cluster 38
0   2275nt, >pb_iso00211... at +/93.93%
1   2647nt, >yl_JTQ_com323_c0_seq1... at +/91.39%

我想要只有1次点击的群集：

>Cluster 35
0     2856nt, >tru_clu8_1_inde2_or1... *
>Cluster 37
0     2835nt, >yl_JTQ_com670_c0_seq1... *

然后，如果可能以这种格式输出：

>Cluster 35   tru_clu8_1_inde2_or1
>Cluster 37   yl_JTQ_com670_c0_seq1

Answer 1

$ awk 'NR>2{if(/^>/ && b ~ /^>/) print b"\n"a} {b=a ; a=$0}' infile.txt
>Cluster 35
0   2856nt, >tru_clu8_1_inde2_or1... *
>Cluster 37
0   2835nt, >yl_JTQ_com670_c0_seq1... *

修改

如果有一个匹配的最终集群，则无效。此解决方法可能有效，还包括格式化输出：

$ echo ">" >> infile.txt $ awk 'NR>2{if(/^>/ && b ~ /^>/) {a=gensub(/^.*>(\w+).*/,"\\1", "g", a) ; print b,a} } {b=a ; a=$0}' infile.txt >Cluster 35 tru_clu8_1_inde2_or1 >Cluster 37 yl_JTQ_com670_c0_seq1

Answer 2

以下正则表达式适用于我：

^>.*\d\R.*$\R(\D)

您可以在线查看here

如何通过REGEX从文本文件中提取某些行

2 个答案: