我有一个非常大的.txt文件，分为由（我认为）标签分隔的列。
列是这样的（通过运行head NAMEOFTEXTFILE.txt获得）：
CANVAS_CHROM CANVAS_START CANVAS_END CANVAS_GT CANVAS_RC CANVAS_BC CANVAS_CN CANVAS_FILTER CANVAS_QUAL BRIDGE_ID ILMN_ID PROJECT InferredSex ensembl_gene_IDs external_gene_IDs Gene_database Gene_biotype overlap_ctrl overlap_internal overlap_PAR
我想通过Bridge ID过滤此内容。每个ID是疾病的三个字母的首字母缩写词，例如IDM用于＆＃34;胰岛素依赖型糖尿病＆＃34;然后是该特定患者的序列号，IDM131289748937将成为该患者的遗传数据。表中的每一行代表不同的突变。
然后我想将其输出到.txt文件。
到目前为止（使用命令行）我尝试过：
grep "IDM" $(find .. -name 'NAMEOFTEXTFILE.txt') > filtereddata.txt
但这会输出一个乱码列表。
我也尝试过：
`awk '/IDM3/' NAMEOFTEXTFILE.txt` > filtereddata.txt
这也没用。
我想知道哪种功能最适合这项任务。
我附上了原始文本文件的示例：
CANVAS_CHROM CANVAS_START CANVAS_END CANVAS_GT CANVAS_RC CANVAS_BC CANVAS_CN CANVAS_FILTER CANVAS_QUAL BRIDGE_ID ILMN_ID PROJECT InferredSex ensembl_gene_IDs external_gene_IDs Gene_database Gene_biotype overlap_ctrl overlap_internal overlap_PAR 1 825226 916134 0/1 145 87 3。 53 M006429 LP2000749-DNA_C03 PMG F ENSG00000272438，ENSG00000230699，ENSG00000241180，ENSG00000223764，ENSG00000187634，ENSG00000268179，ENSG00000188976，ENSG00000187961，ENSG00000187583，ENSG00000187642 RP11-54O7.16，RP11-54O7.1，RP11-54O7.2，RP11-54O7.3， SAMD11，AL645608.1，NOC2L，KLHL17，PLEKHN1，C1orf170基于克隆的（Vega），基于克隆的（Vega），基于克隆的（Vega），基于克隆的（Vega），HGNC符号，基于克隆的（Ensembl） ，HGNC符号，HGNC符号，HGNC符号，HGNC符号lincRNA，lincRNA，lincRNA，lincRNA，蛋白质编码，蛋白质编码，蛋白质编码，蛋白质编码，蛋白质编码，蛋白质编码0 1 0 1 826236 3641787 0/1 126 2655 3。 61 E009248 LP2000862-DNA_G05 PAH˚FENSG00000272438，ENSG00000230699，ENSG00000241180，ENSG00000223764，ENSG00000187634，ENSG00000268179，ENSG00000188976，ENSG00000187961，ENSG00000187583，ENSG00000187642，ENSG00000272512，ENSG00000188290，ENSG00000231702，ENSG00000224969，ENSG00000187608，ENSG00000188157，ENSG00000242590，ENSG00000217801，ENSG00000273443，ENSG00000237330，ENSG00000131591，ENSG00000223823 ，ENSG00000207730，ENSG00000207607，ENSG00000198976，ENSG00000272141，ENSG00000205231，ENSG00000162571，ENSG00000186891，ENSG00000186827，ENSG00000078808，ENSG00000176022，ENSG00000184163，ENSG00000260179，ENSG00000160087，ENSG00000230415，ENSG00000162572，ENSG00000131584，ENSG00000169972，ENSG00000127054，ENSG00000240731，ENSG00000224051，ENSG00000169962，ENSG00000107404，ENSG00000162576，ENSG00000175756，ENSG00000223663 ，ENSG00000221978，ENSG00000224870，ENSG00000242485，ENSG00000264293，ENSG00000272455，ENSG00000235098，ENSG00000225905，ENSG00000205116，ENSG00000225285，ENSG00000179403，ENSG00000215915，ENSG00000160072，ENS G00000197785，ENSG00000205090，ENSG00000160075，ENSG00000215791，ENSG00000215014，ENSG00000236684，ENSG00000228594，ENSG00000272106，ENSG00000197530，ENSG00000189409，ENSG00000248333，ENSG00000272004，ENSG00000189339，ENSG00000269737，ENSG00000269227，ENSG00000215914，ENSG00000008128，ENSG00000268575，ENSG00000227775，ENSG00000215790，ENSG00000008130，ENSG00000078369，ENSG00000231050，ENSG00000169885，ENSG00000178821， ENSG00000142609，ENSG00000233542，ENSG00000187730，ENSG00000226969，ENSG00000067606，ENSG00000271806，ENSG00000182873，ENSG00000162585，ENSG00000269554，ENSG00000203301，ENSG00000243558，ENSG00000234396，ENSG00000157933，ENSG00000116151，ENSG00000272161，ENSG00000269753，ENSG00000269896，ENSG00000238240，ENSG00000272420，ENSG00000271921，ENSG00000271847，ENSG00000178642，ENSG00000157916，ENSG00000157911，ENSG00000149527， ENSG00000224387，ENSG00000229393，ENSG00000157881，ENSG00000197921，ENSG00000272449，ENSG00000238164，ENSG00000157873，ENSG00000225931，ENSG00000228037，ENSG00000157870，ENSG00000142606，ENSG00000237058，ENSG0000021 5912，ENSG00000233234，ENSG00000231630，ENSG00000169717，ENSG00000177133，ENSG00000256761，ENSG00000142611，ENSG00000226286，ENSG00000272235，ENSG00000130762，ENSG00000272088，ENSG00000162591，ENSG00000207776，ENSG00000238260，ENSG00000158109，ENSG00000116213，ENSG00000078900，ENSG00000227589，ENSG00000235131 RP11-54O7.16，RP11-54O7.1，RP11 -54O7.2，RP11-54O7.3，SAMD11，AL645608.1，NOC2L，KLHL17，PLEKHN1，C1orf170，RP11-54O7.17，HES4，RP11-54O7.10，RP11-54O7.11，ISG15，AGRN，RP11 -54O7.14，RP11-465B22.3，RP11-54O7.18，RNF223，C1orf159，RP11-465B22.5，了miR200b，MIR200A，MIR429，RP11-465B22.8，TTLL10-AS1，TTLL10，TNFRSF18，TNFRSF4，SDF4 ，B3GALT6，FAM132A，RP5-902P8.12，UBE2J2，RP5-902P8.10，SCNN1D，ACAP3，PUSL1，CPSF3L，RP5-890O3.9，GLTPD1，TAS1R3，DVL1，MXRA8，AURKAIP1，RP5-890O3.3，CCNL2 ，RP4-758J18.2，MRPL20，RN7SL657P，RP4-758J18.13，ANKRD65，RP4-758J18.7，TMEM88B，RP4-758J18.10，VWA1，ATAD3C，ATAD3B，ATAD3A，TMEM240，SSU72，AL645728.2，AL645728 0.1，AL645728.3，C1orf233，RP11-345P4.9，MIB2，MMP23B，CDK11B，RP11-345P4.10，SLC35E2B，RP11-345P4.7，RP11-345P4.6，MMP23A，CDK11A，RP1 -283E3.8，RP1-283E3.4，SLC35E2，NADK，GNB1，RP1-140A9.1，CALML6，TMEM52，C1orf222，RP11-547D24.1，GABRD，RP11-547D24.3，PRKCZ，RP5-892K4.1 ，RP11-181G12.2，C1orf86，AL590822.2，AL590822.1，RP11-181G12.5，RP11-181G12.4，SKI，MORN1，RP4-713A8.1，AL589739.1，RP4-740C4.6，RP4 -740C4.5，RP4-740C4.7，RP4-740C4.9，RP4-740C4.8，AL513477.1，RER1，PEX10，PLCH2，RP3-395M20.2，RP3-395M20.3，PANK4，HES5，RP3 -395M20.12，RP3-395M20.8，TNFRSF14，RP3-395M20.7，RP3-395M20.9，FAM213B，MMEL1，RP13-436F16.1，TTC34，RP11-740P5.2，RP11-740P5.3，ACTRT2 ，LINC00982，AL008733.1，PRDM16，RP1-163G9.2，RP11-22L13.1，ARHGEF16，RP11-168F9.2，MEGF6，MIR551A，RP11-46F15.2，TPRG1L，WRAP73，TP73，RP5-1092A11.5 ，RP5-1092A11.2基于克隆（Vega），基于克隆（Vega），基于克隆（Vega），基于克隆（Vega），HGNC符号，基于克隆（Ensembl），HGNC符号，HGNC符号， HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，基于克隆（Vega），基于克隆（Vega），HGNC符号，HGNC符号，基于克隆（Vega），基于克隆（Vega），基于克隆（Vega），HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，HGN C符号，HGNC符号，基于克隆（Vega），HGNC符号，HGNC符号，HGNC符号，HGNC符号，HGNC符号，HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，基于克隆（Vega） ，HGNC符号，HGNC符号，HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，HGNC符号，HGNC符号，HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，基于克隆（Vega） ），HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，基于克隆（Vega），HGNC符号，基于克隆（Vega），HGNC符号，HGNC符号，HGNC符号，HGNC符号，HGNC符号， HGNC符号，基于克隆（Ensembl），基于克隆（Ensembl），基于克隆（Ensembl），HGNC符号，基于克隆（Vega），HGNC符号，HGNC符号，HGNC符号，基于克隆（Vega）， HGNC符号，基于克隆（Vega），基于克隆（Vega），HGNC符号，HGNC符号，基于克隆（Vega），基于克隆（Vega），HGNC符号，HGNC符号，HGNC符号，基于克隆（ Vega），HGNC符号，HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，基于克隆（Vega），HGNC符号，基于克隆（Vega），基于克隆（Vega），HGNC符号，克隆基于克隆的（Ensembl），基于克隆的（Vega），基于克隆的（Vega），HGNC符号，HGNC符号，基于克隆的（Vega），基于克隆的（Ensembl），基于克隆的（Vega），基于克隆（Vega），基于克隆（Vega），基于克隆（Vega），基于克隆（Vega），基于克隆（Ensembl），HGNC符号，HGNC符号，HGNC符号，克隆 - 基于（Vega），基于克隆（Vega），HGNC符号，HGNC符号，基于克隆（Vega），基于克隆（Vega），HGNC符号，基于克隆（Vega），基于克隆（Vega），HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，基于克隆（Vega），基于克隆（Vega），HGNC符号，HGNC符号，基于克隆（Ensembl），HGNC符号，基于克隆（Vega） ），基于克隆（Vega），HGNC符号，基于克隆（Vega），HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，HGNC符号，HGNC符号，基于克隆（Vega），克隆 - 基于（Vega）lincRNA，lincRNA，lincRNA，lincRNA，蛋白质编码，蛋白质编码，蛋白质编码，蛋白质编码，蛋白质编码，蛋白质编码，lincRNA，蛋白质编码，假基因，反义，蛋白质编码，蛋白质编码，sense_intronic，pseudog烯，lincRNA，protein_coding，protein_coding，lincRNA，miRNA的，miRNA的，miRNA的，lincRNA，反义，protein_coding，protein_coding，protein_coding，protein_coding，protein_coding，protein_coding，lincRNA，protein_coding，lincRNA，protein_coding，protein_coding，protein_coding，protein_coding，sense_intronic，protein_coding， protein_coding，protein_coding，protein_coding，protein_coding，假基因，protein_coding，protein_coding，protein_coding，misc_RNA，lincRNA，protein_coding，反义，protein_coding，lincRNA，protein_coding，protein_coding，protein_coding，protein_coding，protein_coding，protein_coding，假基因，protein_coding，假基因，protein_coding，反义， protein_coding，protein_coding，protein_coding，反义，protein_coding，反义，假基因，假基因，protein_coding，processed_transcript，假基因，protein_coding，protein_coding，protein_coding，反义，protein_coding，protein_coding，protein_coding，反义，protein_coding，反义，protein_coding，反义，反义，protein_coding， protein_coding，protein_coding，lincRN A，lincRNA，protein_coding，protein_coding，sense_intronic，protein_coding，processed_transcript，假基因，sense_intronic，sense_intronic，sense_intronic，假基因，protein_coding，protein_coding，protein_coding，反义，反义，protein_coding，protein_coding，lincRNA，processed_transcript，protein_coding，反义，反义，protein_coding， protein_coding，antisense，protein_coding，lincRNA，lincRNA，protein_coding，antisense，pseudogene，protein_coding，antisense，lincRNA，protein_coding，lincRNA，protein_coding，miRNA，antisense，protein_coding，protein_coding，protein_coding，antisense，antisense 0 1 0 1 969935 1231975 0/1 145 252 3。 61 E005981 LP2000742-DNA_D01 PAH中号ENSG00000188157，ENSG00000242590，ENSG00000217801，ENSG00000273443，ENSG00000237330，ENSG00000131591，ENSG00000223823，ENSG00000207730，ENSG00000207607，ENSG00000198976，ENSG00000272141，ENSG00000205231，ENSG00000162571，ENSG00000186891，ENSG00000186827，ENSG00000078808，ENSG00000176022，ENSG00000184163，ENSG00000260179，ENSG00000160087，ENSG00000230415，ENSG00000162572 ，ENSG00000131584 AGRN，RP11-54O7.14，RP11-465B22.3，RP11-54O7.18，RNF223，C1orf159，RP11-465B22.5，MIR200B，MIR200A，MIR429，RP11-465B22.8，TTLL10-AS1，TTLL10， TNFRSF18，TNFRSF4，SDF4，B3GALT6，FAM132A，RP5-902P8.12，UBE2J2，RP5-902P8.10，SCNN1D，ACAP3 HGNC符号，基于克隆（Vega），基于克隆（Vega），基于克隆（Vega） ，HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，HGNC符号，HGNC符号，HGNC符号，HGNC符号，HGNC符号，HGNC符号，基于克隆（Vega），HGNC符号，基于克隆（Vega），HGNC符号，HGNC符号protein_coding，sense_intronic，ps eudogene，lincRNA，protein_coding，protein_coding，lincRNA，miRNA，miRNA，miRNA，lincRNA，反义，蛋白质编码，蛋白质编码，蛋白质编码，蛋白质编码，蛋白质编码，蛋白质编码，lincRNA，蛋白质编码，lincRNA，蛋白质编码，蛋白质编码0 2 0 1 1025358 1068256 0/1 141 43 3。 25 G012138 LP2000955-DNA_A12 SPEED M ENSG00000131591 C1orf159 HGNC符号protein_coding 0 4 0 1 1027213 1054981 0/1 122 31 3。 17 C003646 LP2000719-DNA_D01 GEL F ENSG00000131591 C1orf159 HGNC符号protein_coding 0 6 0 1 1027429 1054789 0/1 120 30 3。 17 C003121 LP2000712-DNA_D08 GEL F ENSG00000131591 C1orf159 HGNC符号protein_coding 0 6 0 1 1027747 1054977 0/1 127 27 3。 15 C001669 LP2000262-DNA_B10 GEL F ENSG00000131591 C1orf159 HGNC符号protein_coding 0 6 0 1 1028234 1047162 0/1 116 21 3。 11 C002886 LP2000275-DNA_C06 GEL M ENSG00000131591 C1orf159 HGNC符号protein_coding 0 6 0 1 1028342 1046413 0/1 122 20 3。 11 C001874 LP2000266-DNA_H03 GEL F ENSG00000131591 C1orf159 HGNC符号protein_coding 0 6 0
答案 0 :(得分：0)
当你使用简单的grep＆＃34; IDM＆＃34;它搜索字符串＆＃34; IDM＆＃34;在一个单词的任何部分（即开头，中间等）
因为我不确定文字＆＃34; IDM31234234＆＃34;确切地存在于一条线上。因此，我假设Line以＆＃34; IDM31234234＆＃34;。
开头egrep "^IDM[0-9]+ " inputfile > output file #this searches for the line which starts with IDM with one minimal integer and there is a space after that
如果您确定整数的数量，那么您可以按以下方式进行
egrep "^IDM[0-9]{7} " inputfile > output file # IDM with 7 integers
egrep "^IDM[0-9]{7,} " inputfile > output file # IDM with minimal 7 integers
简单来说，使用正则表达式可以更有效地缩小搜索范围。希望这会有所帮助。
答案 1 :(得分：0)
将文件拆分为行中一个单词和IDM
grep
tr " " "\n" < NAMEOFTEXTFILE.txt | grep IDM > OUTPUTFILE.txt
使用由标签分隔的"\t"列，如果列以空格分隔，则使用" "。