免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 1746 | 回复: 6

[文本处理] 麻烦如和提取 特定字符串后的内容,谢谢。 [复制链接]

论坛徽章:
0
发表于 2019-10-10 13:21 |显示全部楼层
某文件是这样类似的,很多行。

>gi|1137556677|ref|NW_017865437.1| Paralichthys olivaceus breed gynogenesis unplaced genomic scaffold,
TTAGTTAAGATAAGTTTGCTTTAGATTTTTTTGTTGGCAGATGAGTTCTGACTGGTTTTCTATAATTTTA
>gi|1137556676|ref|NW_017865438.1| Paralichthys olivaceus breed gynogenesis unplaced genomic scaffold,
TATTTTCATTTTATTAACTTATATAAACCAAGAACTTCCTCAGAGATCCTGCAAACGTATCATCTTGAGTTACT



希望得到 如下的,就是 得到> 和最后||之间的内容,其他的TTGGAA等没有变化。、
个人理解是找到>gi 所在行,提取 >加上 最后||之间的内容。谢谢,

>NW_017865437.1
TTAGTTAAGATAAGTTTGCTTTAGATTTTTTTGTTGGCAGATGAGTTCTGACTGGTTTTCTATAATTTTA
>NW_017865438.1
TTAGTTAAGATAAGTTTGCTTTAGATTTTTTTGTTGGCAGATGAGTTCTGACTGGTTTTCTATAATTTTA

论坛徽章:
0
发表于 2019-10-10 13:22 |显示全部楼层
TTAGTTAAGATAAGTTTGCTTTAGATTTTTTTGTTGGCAGATGAGTTCTGACTGGTTTTCTATAA是随意写的。可能每行不一样。

论坛徽章:
8
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:0615-16赛季CBA联赛之北控
日期:2021-03-30 15:53:34
发表于 2019-10-10 13:57 |显示全部楼层
TAGC和>gi是同一行的,还是分开两行的?

论坛徽章:
1
19周年集字徽章-年
日期:2020-10-29 09:39:21
发表于 2019-10-10 15:10 |显示全部楼层
本帖最后由 legs 于 2019-10-10 15:12 编辑
  1. perl -pe's#(>).*\|([^|]*)\|(?2)$#$1$2\n#' file
复制代码
  1. perl -F'\|' -lE'say/>/?">$F[-2]":$_' file
复制代码

类似sed,awk的两个思路,如果是那种固定的栏位或长度位置,办法很多。

论坛徽章:
0
发表于 2019-10-10 16:03 |显示全部楼层
回复 3# cfwyy

分开的行。谢谢。

论坛徽章:
0
发表于 2019-10-10 16:12 |显示全部楼层
回复 4# legs

谢谢这位大神,两个方法都可以。

论坛徽章:
8
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:0615-16赛季CBA联赛之北控
日期:2021-03-30 15:53:34
发表于 2019-10-10 16:24 |显示全部楼层
  1. awk -F\| '/>gi/{getline s;printf(">%s\n%s\n",$4,s)}' file
复制代码
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

DTCC2021中国数据库技术大会

【数造未来】2021年10月18日-20日第十二届中国数据库技术大会
ITPUB、大会的会员您们好: 因目前国内疫情严峻,为响应北京市最新疫情防控要求,保障参会人员的健康和安全,组委会经协商决定:DTCC2021第十二届中国数据库技术大会延期至10月18日-20日(周一~周三)在北京国际会议中心举行,由此给各位带来的不便,敬请谅解!

大会官网
  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP