我有这个文件（+ 200k行）：
##gff-version 2
##source-version bepipred-1.0b
##date 2017-03-02
##Type Protein EgrG_000076200.1
##Protein EgrG_000076200.1 cat seq.1.fsa
##MSPRGCLLLLMLVVILGISIQWTEAQGHRSDGQAEEFAVAKEMEEEDDDDEGEDYDDDDEEEEKEVVANRESKLLKHCLNLQNALKEKMESVVNQMKDCSKILALA
##end-Protein
# seqname source feature start end score N/A ?
# ---------------------------------------------------------------------------
EgrG_000076200.1 bepipred-1.0b epitope 1 1 0.920 . . M|E
EgrG_000076200.1 bepipred-1.0b epitope 2 2 0.544 . . S|.
EgrG_000076200.1 bepipred-1.0b epitope 3 3 -0.070 . . P|.
EgrG_000076200.1 bepipred-1.0b epitope 12 12 -3.747 . . L|.
EgrG_000076200.1 bepipred-1.0b epitope 13 13 -3.223 . . V|.
EgrG_000076200.1 bepipred-1.0b epitope 14 14 -2.999 . . V|.
EgrG_000076200.1 bepipred-1.0b epitope 15 15 -2.401 . . I|.
EgrG_000076200.1 bepipred-1.0b epitope 16 16 -2.271 . . L|.
EgrG_000076200.1 bepipred-1.0b epitope 17 17 -1.701 . . G|.
EgrG_000076200.1 bepipred-1.0b epitope 18 18 -1.569 . . I|.
EgrG_000076200.1 bepipred-1.0b epitope 19 19 -1.072 . . S|.
EgrG_000076200.1 bepipred-1.0b epitope 20 20 -0.532 . . I|.
EgrG_000076200.1 bepipred-1.0b epitope 21 21 -0.055 . . Q|.
EgrG_000076200.1 bepipred-1.0b epitope 22 22 0.128 . . W|.
EgrG_000076200.1 bepipred-1.0b epitope 23 23 0.553 . . T|.
EgrG_000076200.1 bepipred-1.0b epitope 24 24 0.541 . . E|.
EgrG_000076200.1 bepipred-1.0b epitope 25 25 0.923 . . A|E
EgrG_000076200.1 bepipred-1.0b epitope 26 26 0.992 . . Q|E
EgrG_000076200.1 bepipred-1.0b epitope 27 27 1.480 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 28 28 1.540 . . H|E
EgrG_000076200.1 bepipred-1.0b epitope 29 29 1.564 . . R|E
EgrG_000076200.1 bepipred-1.0b epitope 30 30 1.591 . . S|E
EgrG_000076200.1 bepipred-1.0b epitope 31 31 1.582 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 32 32 1.599 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 33 33 1.280 . . Q|E
EgrG_000076200.1 bepipred-1.0b epitope 34 34 1.101 . . A|E
EgrG_000076200.1 bepipred-1.0b epitope 35 35 0.777 . . E|.
EgrG_000076200.1 bepipred-1.0b epitope 36 36 0.516 . . E|.
EgrG_000076200.1 bepipred-1.0b epitope 37 37 0.353 . . F|.
EgrG_000076200.1 bepipred-1.0b epitope 38 38 0.273 . . A|.
EgrG_000076200.1 bepipred-1.0b epitope 39 39 0.068 . . V|.
EgrG_000076200.1 bepipred-1.0b epitope 40 40 0.086 . . A|.
EgrG_000076200.1 bepipred-1.0b epitope 41 41 0.124 . . K|.
EgrG_000076200.1 bepipred-1.0b epitope 42 42 0.648 . . E|.
EgrG_000076200.1 bepipred-1.0b epitope 43 43 1.026 . . M|E
EgrG_000076200.1 bepipred-1.0b epitope 44 44 1.520 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 45 45 1.842 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 46 46 2.132 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 47 47 2.271 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 48 48 2.605 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 49 49 2.669 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 50 50 2.778 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 51 51 2.544 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 52 52 2.506 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 53 53 2.464 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 54 54 2.464 . . D|E
##Protein EgrG_000524000.1 cat seq.3.fsa
##MATAQRLLTASLLLISVLIPLISARRPSYYVHGLKFSRPCENNTYDEMTGNFKCTVPTGAECFQLCQQYGCYEWSFSSFMPSTDMHVRDHFRCRCIQDICLYNYVRVRDRDYE
##end-Protein
# seqname source feature start end score N/A ?
# ---------------------------------------------------------------------------
EgrG_000524000.1 bepipred-1.0b epitope 1 1 0.143 . . M|.
EgrG_000524000.1 bepipred-1.0b epitope 2 2 0.068 . . A|.
EgrG_000524000.1 bepipred-1.0b epitope 3 3 -0.340 . . T|.
EgrG_000524000.1 bepipred-1.0b epitope 4 4 -0.654 . . A|.
EgrG_000524000.1 bepipred-1.0b epitope 5 5 -0.563 . . Q|.
EgrG_000524000.1 bepipred-1.0b epitope 6 6 -0.500 . . R|.
EgrG_000524000.1 bepipred-1.0b epitope 7 7 -0.448 . . L|.
EgrG_000524000.1 bepipred-1.0b epitope 8 8 -0.904 . . L|.
EgrG_000524000.1 bepipred-1.0b epitope 41 41 1.129 . . E|E
EgrG_000524000.1 bepipred-1.0b epitope 42 42 1.135 . . N|E
EgrG_000524000.1 bepipred-1.0b epitope 43 43 1.223 . . N|E
EgrG_000524000.1 bepipred-1.0b epitope 48 48 0.557 . . M|.
EgrG_000524000.1 bepipred-1.0b epitope 49 49 0.415 . . T|.
EgrG_000524000.1 bepipred-1.0b epitope 50 50 0.269 . . G|.
EgrG_000524000.1 bepipred-1.0b epitope 51 51 0.188 . . N|.
EgrG_000524000.1 bepipred-1.0b epitope 52 52 -0.024 . . F|.
EgrG_000524000.1 bepipred-1.0b epitope 53 53 0.184 . . K|.
EgrG_000524000.1 bepipred-1.0b epitope 54 54 0.280 . . C|.
等等
我只需要选择以“| E”结尾的行，但序列中至少有6行，然后，如果下一行以“|”结尾，则插入一个分隔符。像：
EgrG_000076200.1 bepipred-1.0b epitope 25 25 0.923 . . A|E
EgrG_000076200.1 bepipred-1.0b epitope 26 26 0.992 . . Q|E
EgrG_000076200.1 bepipred-1.0b epitope 27 27 1.480 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 28 28 1.540 . . H|E
EgrG_000076200.1 bepipred-1.0b epitope 29 29 1.564 . . R|E
EgrG_000076200.1 bepipred-1.0b epitope 30 30 1.591 . . S|E
EgrG_000076200.1 bepipred-1.0b epitope 31 31 1.582 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 32 32 1.599 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 33 33 1.280 . . Q|E
EgrG_000076200.1 bepipred-1.0b epitope 34 34 1.101 . . A|E
-----
EgrG_000094950.1 bepipred-1.0b epitope 146 146 1.277 . . I|E
EgrG_000094950.1 bepipred-1.0b epitope 147 147 1.443 . . N|E
EgrG_000094950.1 bepipred-1.0b epitope 148 148 1.593 . . G|E
EgrG_000094950.1 bepipred-1.0b epitope 149 149 1.740 . . E|E
EgrG_000094950.1 bepipred-1.0b epitope 150 150 1.752 . . D|E
EgrG_000094950.1 bepipred-1.0b epitope 151 151 2.206 . . E|E
EgrG_000094950.1 bepipred-1.0b epitope 152 152 2.243 . . E|E
EgrG_000094950.1 bepipred-1.0b epitope 153 153 2.194 . . E|E
EgrG_000094950.1 bepipred-1.0b epitope 154 154 1.840 . . A|E
EgrG_000094950.1 bepipred-1.0b epitope 155 155 1.451 . . D|E
EgrG_000094950.1 bepipred-1.0b epitope 156 156 1.298 . . E|E
我需要这个，因为在选择以“| E”结尾的这些聚类之后，我将需要计算每个ID得到的组数（组=连续的序列＆gt; = 6'| E'）（ ID = EgrG _ *）
我尝试过使用：grep 'EgrG' bepipred_eg_es_final_rev.txt | sed '/^#/d;s/.*|\./-----/' | uniq
这是我得到的一个例子：
-----
EgrG_000076200.1 bepipred-1.0b epitope 1 1 0.920 . . M|E
-----
EgrG_000076200.1 bepipred-1.0b epitope 25 25 0.923 . . A|E
EgrG_000076200.1 bepipred-1.0b epitope 26 26 0.992 . . Q|E
EgrG_000076200.1 bepipred-1.0b epitope 27 27 1.480 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 28 28 1.540 . . H|E
EgrG_000076200.1 bepipred-1.0b epitope 29 29 1.564 . . R|E
EgrG_000076200.1 bepipred-1.0b epitope 30 30 1.591 . . S|E
EgrG_000076200.1 bepipred-1.0b epitope 31 31 1.582 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 32 32 1.599 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 33 33 1.280 . . Q|E
EgrG_000076200.1 bepipred-1.0b epitope 34 34 1.101 . . A|E
-----
EgrG_000076200.1 bepipred-1.0b epitope 43 43 1.026 . . M|E
EgrG_000076200.1 bepipred-1.0b epitope 44 44 1.520 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 45 45 1.842 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 46 46 2.132 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 47 47 2.271 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 48 48 2.605 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 49 49 2.669 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 50 50 2.778 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 51 51 2.544 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 52 52 2.506 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 53 53 2.464 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 54 54 2.464 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 55 55 2.455 . . Y|E
EgrG_000076200.1 bepipred-1.0b epitope 56 56 2.442 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 57 57 2.457 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 58 58 2.451 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 59 59 2.390 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 60 60 2.477 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 61 61 2.295 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 62 62 1.861 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 63 63 1.400 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 64 64 1.014 . . K|E
-----
EgrG_000131300.1 bepipred-1.0b epitope 37 37 0.984 . . N|E
-----
问题是，我不知道如何摆脱包含少于6行以'| E'结尾的组。 我也用python尝试过这个，但是得到了几乎相同的结果。
顺便说一下，我在Linux Mint 18.1和Ubuntu 16.04上工作。
我希望我能够很好地解释它。
答案 0 :(得分：1)
对于分组，您可以使用awk。
oneliner ：
awk -F\| '$NF=="."{if(cont>=6){for (i=1;i<=cont;i++){print a[i]};print "-----"}cont=0;delete a;next}$NF=="E"{a[++cont]=$0}' yourfile
多：
awk -F\| '$NF=="."{if(cont>=6){
for (i=1;i<=cont;i++){
print a[i]
}
print "-----"
}
cont=0
delete a
next}
$NF=="E"{a[++cont]=$0}' yourfile
<强>结果
EgrG_000076200.1 bepipred-1.0b epitope 25 25 0.923 . . A|E
EgrG_000076200.1 bepipred-1.0b epitope 26 26 0.992 . . Q|E
EgrG_000076200.1 bepipred-1.0b epitope 27 27 1.480 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 28 28 1.540 . . H|E
EgrG_000076200.1 bepipred-1.0b epitope 29 29 1.564 . . R|E
EgrG_000076200.1 bepipred-1.0b epitope 30 30 1.591 . . S|E
EgrG_000076200.1 bepipred-1.0b epitope 31 31 1.582 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 32 32 1.599 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 33 33 1.280 . . Q|E
EgrG_000076200.1 bepipred-1.0b epitope 34 34 1.101 . . A|E
-----
EgrG_000076200.1 bepipred-1.0b epitope 43 43 1.026 . . M|E
EgrG_000076200.1 bepipred-1.0b epitope 44 44 1.520 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 45 45 1.842 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 46 46 2.132 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 47 47 2.271 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 48 48 2.605 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 49 49 2.669 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 50 50 2.778 . . D|E
EgrG_000076200.1 bepipred-1.0b epitope 51 51 2.544 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 52 52 2.506 . . G|E
EgrG_000076200.1 bepipred-1.0b epitope 53 53 2.464 . . E|E
EgrG_000076200.1 bepipred-1.0b epitope 54 54 2.464 . . D|E
-----
解释
-F\|：将F ield S eparator设置为|。
$NF=="."：当最后一个字段为点.时：
阅读之前E次重复（连续）的内容，如果大于或等于6，则使用 for循环打印{{1}的内容} array用于存储以a结尾的记录。
最后我们打印分隔符E
对于所有------次出现，请初始化计数器.，删除cont数组并移至a记录。
next：当最后一个字段等于$NF=="E"{a[++cont]=$0}时，记录E的内容存储在由自动增量计数器$0索引的a数组中保持连续出现++cont条记录的数量。