Question

我有一个文件，例如：

scaffold_10_1   YP_02917613.1   0.722   397 90  1   55021   53805   70  446 1.803E-180  566
scaffold_282_0  YP_004091438.1  0.799   317 102 1   55023   53395   66  442 2.282E-173  546
scaffold_15     YP_009676312.1  0.021   327 14  1   55320   52895
IDBA_scaffold_66230_1   YP_004091438.1         0.789    317 122 1   55023   53395   66  442 2.282E-173  506
scf7180005161552_2      YP_004091438.1          0.789   317 122 1   55023   53395   66  442 2.282E-173  506

这个想法只是删除第一列中所有名称的最后一个数字部分并得到：

scaffold_10 YP_02917613.1   0.722   397 90  1   55021   53805   70  446 1.803E-180  566
scaffold_282    YP_004091438.1  0.799   317 102 1   55023   53395   66  442 2.282E-173  546
scaffold_15     YP_009676312.1  0.021   327 14  1   55320   52895
IDBA_scaffold_66230    YP_004091438.1         0.789 317 122 1   55023   53395   66  442 2.282E-173  506
scf7180005161552     YP_004091438.1            0.789    317 122 1   55023   53395   66  442 2.282E-173  506

如您所见，有时第一个_number之后没有_number_

scaffold_15

您有解决的办法吗？

感谢您的帮助。

对于布鲁诺里：这是我得到的桌子：

scaffold_10   YP_02917613.1   0.722   397 90  1   55021   53805   70  446 1.803E-180  566
scaffold_282  YP_004091438.1  0.799   317 102 1   55023   53395   66  442 2.282E-173  546
scaffold     YP_009676312.1  0.021   327 14  1   55320   52895
IDBAscaffold_66230_1   YP_004091438.1         0.789    317 122 1   55023   53395   66  442 2.282E-173  506
scf7180005161552      YP_004091438.1          0.789   317 122 1   55023   53395   66  442 2.282E-173  506

如您所见，scaffold_15中的15已被删除，但我想保留它。

Answer 1

尝试

cat file.csv | sed -e 's/\([A-Ba-b0-9_]*\)\(_[0-9]*\)\(.*\)/\1\3/' > file-without-number.csv

这是如何工作的？

sed是嵌入式编辑器
使用命令s/运行sed将进行搜索和替换。语法以斜杠分隔：s/search_patter/replace_pattern。
搜索模式为\([A-Ba-b0-9_]*\)\(_[0-9]*\)\(.*\)。它将把线分成三部分：
- 1）\([A-Ba-b0-9_]*\)由字母，数字或_
- 2）...后跟_number（与\(_[0-9]*\)匹配）
- 3）该行的其余部分（匹配\(.*\)）
\1\3将仅用部分1和3替换字符串，从而删除2

Answer 2

您可以尝试使用此sed：

使用IDBA_scaffold_66230_1之类的数据，您可以尝试以下操作：

删除选项卡文件中的特定模式

2 个答案: