Question

我有一个10000行的文件：

Peptidyl-prolyl cis-trans isomerase A OS=Homo sapiens GN=PPIA PE=1 SV=2 - [PPIA] 0.8622399654 3.2730004556

我无法弄清楚如何将部分字符串移除到方括号，以便最终输出如下所示：

[PPIA] 0.8622399654 3.2730004556

到目前为止，我尝试过python re.sub，但无法将其与行的开头匹配。

Answer 1

用sed进行简单的替换：

sed 's/^[^[]*\[/[/' input

^表示开始使用模式空间（＆＃34;第＆＃34;行），[^[]匹配除[之外的所有内容。 *是一个量词，表示零次或多次。 \[是文字[。

Answer 2

使用sed：

sed 's/^[^[]*//' file

缺点：如果某行不包含[，则sed会输出一个空行。

Answer 3

一个简单的sed解决方案，假设每行最多只有一个[：

 sed 's/.*\[/[/' file

单个 - [假设允许更容易理解的“嘈杂”正则表达式：
- s是Sed的字符串替换函数，其参数在此处使用习惯（但可选择）/分隔符分隔。
- 第一个参数，正则表达式.*\[，匹配该行上 last [的任何行的开头（文字[必须表示为\[，因为[在正则表达式中具有特殊含义。）
- 第二个参数[是替换字符串（[ 不需要在替换字符串参数中转义，因为它本身不是正则表达式）。
由于sed正则表达式总是贪婪，.*\[会匹配每行上 last [的所有内容。
< / LI>
相比之下，andlrc's helpful answer中的正则表达式更复杂，但可预见的是只匹配 first [（如果有的话）。

在这种情况下，

perl提供了两全其美的优势：一个强大的第一个 - [ - 唯一仍然相当可读的解决方案：

perl -pe 's/.*?\[/[/' file

注意*?量词，它使匹配的非贪婪。

Answer 4

Python 解决方案（使用bytearray.find(sub[, start[, end]])函数）：

line = 'Peptidyl-prolyl cis-trans isomerase A OS=Homo sapiens GN=PPIA PE=1 SV=2 - [PPIA] 0.8622399654 3.2730004556'
replaced = line[max(line.find('['), 0):]

print(replaced)

输出：

[PPIA] 0.8622399654 3.2730004556

p.s。如果[在字符串中没有出现 - 结果将是一个完整的初始字符串

Answer 5

难道你真的不想拥有最后两个字段吗？

awk '{print $(NF-1), $NF}' file

否则，

awk -F'] ' '{print $2}' file

（请注意，这也会删除]）

之后的空格

Answer 6

类似的东西：

line = line[line.index('['):]

如果所有行都包含[。

更强大一点：

for line in open('myfilename..'):
    if '[' in line:
        print line[line.index('['):]
    else:
        print line

Answer 7

进入sed：

sed 's/[^[]*[[]/[/'

剪辑所有内容并且仅包含至少包含[

的行

从行的开头删除部分字符串到某个字符

7 个答案: