如何使用sed或Perl删除多行块中的部分行？

Question

我有一些看起来像这样的数据。它有四个块。每个块都以@字符开头。

@SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
AAAAAAAAAAAAAAAAAAAAAAAAAAA
+SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
::::::::::::::::::::::::;;8
@SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
TATAACCAGAAAGTTACAAGTAAACAC
+SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
888888888888888888888888888

在每个块的第三行，我想删除+字符后面的文本，结果是：

@SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
AAAAAAAAAAAAAAAAAAAAAAAAAAA
+
::::::::::::::::::::::::;;8
@SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
TATAACCAGAAAGTTACAAGTAAACAC
+
888888888888888888888888888

在sed或Perl中有一种紧凑的方法吗？

Answer 1

假设您不想盲目删除以+开头的每个行的其余部分，那么您可以这样做：

sed '/^@/{N;N;s/\n+.*/\n+/}' infile

输出

$ sed '/^@/{N;N;s/\n+.*/\n+/}' infile
@SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
AAAAAAAAAAAAAAAAAAAAAAAAAAA
+
::::::::::::::::::::::::;;8
@SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
TATAACCAGAAAGTTACAAGTAAACAC
+
888888888888888888888888888
+Dont remove me

*注意：虽然@上的上述命令键可以确定是否应更改带有+的行，但 仍会改变第二行恰好也是以+开头。这听起来不是这种情况，但如果你想排除这个角落的情况，下面的小改动也可以防止这种情况发生：

sed '/^@/{N;N;s/\(.*\)\n+.*/\1\n+/}' infile

输出

$ sed '/^@/{N;N;s/\(.*\)\n+.*/\1\n+/}' ./infile
@SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
+AAAAAAAAAAAAAAAAAAAAAAAAAAA
+
::::::::::::::::::::::::;;8
@SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
TATAACCAGAAAGTTACAAGTAAACAC
+
888888888888888888888888888
+Dont remove me

Answer 2

如果第一行或第二行永远不会有+，而第三行总是一行：

perl -0100pi -e's/\+.*/+/' datafile

否则：

perl -0100pi -e's/^((?:.*\n){2}.*?\+).*/$1/' datafile

或在5.10 +：

perl -0100pi -e's/^(?:.*\n){2}.*?\+\K.*//' datafile

所有那些假设@只出现在一个块的开头。如果它可能出现在其他地方，那么：

perl -pi -e's/\+.*/+/ if $. % 4 == 3' datafile

Answer 3

如果你可以使用awk，你可以这样做：

 gawk '{if ($0 ~ /^@/ ) { print ; getline ; print ; getline ; print "+"}}' INPUTFILE

因此，如果gawk在行的开头看到@，它将被打印出来，然后下一行将被淹没＆amp;＆amp;打印，最后啜饮第3行（@之后），并仅打印+。

如果+不在行的开头，则可以使用gensub(/\+.*/,"+",$0)代替上一个"+"中的print。

（如果你安装了perl，很可能会有一个a2p可执行文件，可以将上面的awk脚本转换为perl，如果你想... ...

HTH

更新（缺少第4行）：

 gawk '{if ($0 ~ /^@/ ) { print ; getline ; print ; getline ; print "+"; getline; print }}' INPUTFILE

这也应该打印第4行。

Answer 4

可能只是sed '/^@/+2 s/+.*/+/'

编辑：这不起作用，但作为vim命令，它应该有效：

vim file -c ':g/^@/+2s/+.*/+/' -c 'wq'

Answer 5

这可能对您有用：

sed '/^@/{$!N;$!N;$!N;s/\n+[^\n]*/\n+/g}' file

或使用GNU sed：

sed '/^@/,+3s/^+.*/+/' file