时间戳

首页 > 解决方案 > 提取文本文件中以 > 开头的行的方括号之间的信息

bash - 提取文本文件中以 > 开头的行的方括号之间的信息

问题描述

我有很多看起来像这样的文本文件：

>CAA97360; SPAC26F1.03 [SCHPO]
M-----FRTCTKIGTVPKVLVNQKGLIDGLRRVTTDATTSRANPAHVPEEHDKPFPVKLD
DSVFEGYKIDVPSTEIEVTKGELLGLYEKMVTIRRLELACDALYKAKKIRGFCHLSIGQE

我想提取方括号之间的信息并保留下面的 M----FRT 等序列。所以我希望文本看起来像这样：

>SCHPO
M-----FRTCTKIGTVPKVLVNQKGLIDGLRRVTTDATTSRANPAHVPEEHDKPFPVKLD
DSVFEGYKIDVPSTEIEVTKGELLGLYEKMVTIRRLELACDALYKAKKIRGFCHLSIGQE

请问我怎么能用终端做到这一点？

标签： bashcommand-lineterminal

解决方案

使用 AWK，尝试以下操作：

gawk '{print gensub(/^>.*\[(.+)\]/, ">\\1", 1)}' text

输出：

>SCHPO
M-----FRTCTKIGTVPKVLVNQKGLIDGLRRVTTDATTSRANPAHVPEEHDKPFPVKLD
DSVFEGYKIDVPSTEIEVTKGELLGLYEKMVTIRRLELACDALYKAKKIRGFCHLSIGQE

说明：

  • 该awk函数gensub()在字符串（默认为$0当前行）中搜索正则表达式（第一个参数）并用第二个参数替换匹配的字符串。（请注意，这是一个非常粗略的gensub()功能概述。有关详细说明，请参阅手册页。）
  • 正则表达式/^>.*\[(.+)\]/匹配以 '>' 开头的行，后跟一些字符，以及用方括号括起来的子字符串。注意方括号内模式周围的括号。
  • 至于第二个参数，\\1（最左边的反斜杠只是转义下一个）表示上面正则表达式中的第一个括号表达式。它被称为 a back reference，您可以使用这种机制重用匹配的子字符串（在这种情况下是方括号之间的信息）。
  • 如果模式匹配，gensub()则返回修改后的字符串。否则返回原始字符串。所以只说print gensub() ...对匹配和不匹配的行都有效。

希望这可以帮助。

推荐阅读