Question

我需要删除任何不包围＆＃34;＆gt;＆＃34;符号

以下是一些示例数据：

sample1.fasta
>R00003
ATCATACTACTACG
sample2.fasta
sample3.fasta
sample4.fasta
>R00003
ATACTACGTA
sample7.fasta
>R00003
ATGCATCAT
sample8.fasta
>R00003
AATCATCGACCT
sample9.fasta
sample10.fasta
>R00003
AGCATCTCAGTC

我尝试使用awk来帮助揭示问题：

awk '{/fasta/?f++:f=0} f==2' R3.fasta

返回：

sample3.fasta
sample10.fasta

这是诊断性的，因为它显示了重复的位置。但是，我想删除那些不在＆＃34;＆gt;＆＃34;两边的符号。这不会删除它们，只会显示第二个。我期望的结果是：

sample1.fasta
>R00003
ATCATACTACTACG
sample4.fasta
>R00003
ATACTACGTA
sample7.fasta
>R00003
ATGCATCAT
sample8.fasta
>R00003
AATCATCGACCT
sample10.fasta
>R0003
AGCATCTCAGTC

如果线条没有剥落＆＃34;＆gt;＆＃34;符号已被删除

Answer 1

似乎普通的 grep 就足够了：

grep '^>' -C1 file | grep -v ^--$

首先在上面打印一行，在每行下面打一行，以>开头（使用上下文-C1），然后只过滤掉--插入的grep行将每个背景分开。

但如果您更喜欢 awk ：

awk '/^>/{print a ORS $0; getline; print} {a=$0}' file

将上一行保留在a中，当一行以>开头时，打印上一行（a），当前行和下一行（我们得到getline）。

Answer 2

从示例中，您似乎需要所有非fasta线，而对于fasta线，您只需要下一个>之前的最后一个fasta文件。在这种情况下，请尝试：

$ awk 'f && !/fasta/{print f; f=""} /fasta/{f=$0; next} END{if(f)print f} 1' R3.fasta
sample1.fasta
>R00003
ATCATACTACTACG
sample4.fasta
>R00003
ATACTACGTA
sample7.fasta
>R00003
ATGCATCAT
sample8.fasta
>R00003
AATCATCGACCT
sample10.fasta
>R0003
AGCATCTCAGTC

如何运作

f && !/fasta/{print f; f=""}

如果设置变量f并且当前行不包含fasta，则打印f并删除其当前值。
/fasta/{f=$0; next}

如果当前行包含fasta，则将当前行保存到变量f，滑动其余命令，然后跳转到next行。
END{if(f)print f}

如果在我们到达文件末尾之后仍然将f设置为某个内容，则将其打印出来。
1

对于所有其他行，请打印它们。

Answer 3

另一个awk

$ awk '{if (/fasta/) f=$0; 
        else {if(f) print f; f=""; print}}' file

并不依赖于它们之间的行数。

Answer 4

使用sed

sed ':A;/fasta$/!d;N;/\n>/!{s/.*\n//;bA};N' infile

sed '
:A              # label for jump
/fasta$/!d      # if the line end with fasta not delete
N               # add the next line in the pattern space
/\n>/!{         # if this new line don'\''t start with >
s/.*\n//        # delete it
bA}             # and jump to A
N               # else get the next line and print
' infile

使用sed或awk删除bash中与pattern不相邻的行

4 个答案:

如何运作