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: 1022 | 回复: 6

[文本处理] 如何提取特定ID对应的信息 [复制链接]

论坛徽章:
0
发表于 2016-07-21 15:42 |显示全部楼层
大家好,我有个文件内容是这样的。
////
Query:                      c41000_g1_i1
KO:                         K13126        PABPC
Pathway:                    RNA degradation        KEGG PATHWAY        ko03018
                            mRNA surveillance pathway        KEGG PATHWAY        ko03015
                            RNA transport        KEGG PATHWAY        ko03013
////
Query:                      c91825_g1_i1
KO:                         K02013        ABC.FEV.A
Pathway:                    ABC transporters        KEGG PATHWAY        ko02010
////
Query:                      c28248_g1_i4
////
Query:                      c37845_g1_i1
KO:                         K08805        DCLK1_2
////
Query:                      c35426_g2_i2
KO:                         K01580        E4.1.1.15, gadB, gadA, GAD
Pathway:                    beta-Alanine metabolism        KEGG PATHWAY        ko00410
                            Taurine and hypotaurine metabolism        KEGG PATHWAY        ko00430
我想提取里面三个ID对应的信息:
c41000_g1_i1
c91825_g1_i1
c35426_g2_i2

想要的结果是这样的,
////
Query:                      c41000_g1_i1
KO:                         K13126        PABPC
Pathway:                    RNA degradation        KEGG PATHWAY        ko03018
                            mRNA surveillance pathway        KEGG PATHWAY        ko03015
                            RNA transport        KEGG PATHWAY        ko03013
////
Query:                      c91825_g1_i1
KO:                         K02013        ABC.FEV.A
Pathway:                    ABC transporters        KEGG PATHWAY        ko02010
////
Query:                      c35426_g2_i2
KO:                         K01580        E4.1.1.15, gadB, gadA, GAD
Pathway:                    beta-Alanine metabolism        KEGG PATHWAY        ko00410
                            Taurine and hypotaurine metabolism        KEGG PATHWAY        ko00430


请问如何实现,谢谢大家了!

论坛徽章:
28
15-16赛季CBA联赛之八一
日期:2016-02-22 19:10:4215-16赛季CBA联赛之深圳
日期:2016-12-01 10:34:0415-16赛季CBA联赛之新疆
日期:2016-12-07 10:24:2915-16赛季CBA联赛之同曦
日期:2016-12-15 12:06:43CU十四周年纪念徽章
日期:2016-12-18 13:03:4415-16赛季CBA联赛之吉林
日期:2017-01-03 15:52:2515-16赛季CBA联赛之辽宁
日期:2017-01-04 14:58:2415-16赛季CBA联赛之辽宁
日期:2017-01-15 09:42:512016科比退役纪念章
日期:2017-02-06 17:21:50黑曼巴
日期:2017-02-10 15:46:1215-16赛季CBA联赛之上海
日期:2017-03-18 10:14:5415-16赛季CBA联赛之青岛
日期:2017-03-18 22:00:44
发表于 2016-07-21 15:59 |显示全部楼层
  1. awk -vRS="////" '/c41000_g1_i1|c91825_g1_i1|c35426_g2_i2/{print RS $0}'
  2. sed -r '\#////#{:a;N;\#\n////#!{$!ba};/c41000_g1_i1|c91825_g1_i1|c35426_g2_i3/!d}'
复制代码

论坛徽章:
0
发表于 2016-07-21 16:38 |显示全部楼层
谢谢,我只是举了个例子,如果不是3个,是很多呢,请问如何实现?

论坛徽章:
466
金牛座
日期:2014-02-26 17:49:58水瓶座
日期:2014-02-26 18:10:15白羊座
日期:2014-04-15 19:29:52寅虎
日期:2014-04-17 19:43:21酉鸡
日期:2014-04-19 21:24:10子鼠
日期:2014-04-22 13:55:24卯兔
日期:2014-04-22 14:20:58亥猪
日期:2014-04-22 16:13:09狮子座
日期:2014-05-05 22:31:17摩羯座
日期:2014-05-06 10:32:53处女座
日期:2014-05-12 09:23:11子鼠
日期:2014-05-21 18:21:27
发表于 2016-07-21 16:58 |显示全部楼层
回复 1# chenjiali1

  1. awk -vRS="////" '/Query:/&&/KO:/&&/Pathway:/{printf RS$0}' i
  2. ////
  3. Query:                      c41000_g1_i1
  4. KO:                         K13126        PABPC
  5. Pathway:                    RNA degradation        KEGG PATHWAY        ko03018
  6.                              mRNA surveillance pathway        KEGG PATHWAY        ko03015
  7.                              RNA transport        KEGG PATHWAY        ko03013
  8. ////
  9. Query:                      c91825_g1_i1
  10. KO:                         K02013        ABC.FEV.A
  11. Pathway:                    ABC transporters        KEGG PATHWAY        ko02010
  12. ////
  13. Query:                      c35426_g2_i2
  14. KO:                         K01580        E4.1.1.15, gadB, gadA, GAD
  15. Pathway:                    beta-Alanine metabolism        KEGG PATHWAY        ko00410
  16.                             Taurine and hypotaurine metabolism        KEGG PATHWAY        ko00430
复制代码

论坛徽章:
28
15-16赛季CBA联赛之八一
日期:2016-02-22 19:10:4215-16赛季CBA联赛之深圳
日期:2016-12-01 10:34:0415-16赛季CBA联赛之新疆
日期:2016-12-07 10:24:2915-16赛季CBA联赛之同曦
日期:2016-12-15 12:06:43CU十四周年纪念徽章
日期:2016-12-18 13:03:4415-16赛季CBA联赛之吉林
日期:2017-01-03 15:52:2515-16赛季CBA联赛之辽宁
日期:2017-01-04 14:58:2415-16赛季CBA联赛之辽宁
日期:2017-01-15 09:42:512016科比退役纪念章
日期:2017-02-06 17:21:50黑曼巴
日期:2017-02-10 15:46:1215-16赛季CBA联赛之上海
日期:2017-03-18 10:14:5415-16赛季CBA联赛之青岛
日期:2017-03-18 22:00:44
发表于 2016-07-21 17:07 |显示全部楼层
回复 3# chenjiali1


    把要查询的id放在一个文,然后用shell脚本循环处理

论坛徽章:
130
技术图书徽章
日期:2013-10-01 15:32:13戌狗
日期:2013-10-25 13:31:35金牛座
日期:2013-11-04 16:22:07子鼠
日期:2013-11-18 18:48:57白羊座
日期:2013-11-29 10:09:11狮子座
日期:2013-12-12 09:57:42白羊座
日期:2013-12-24 16:24:46辰龙
日期:2014-01-08 15:26:12技术图书徽章
日期:2014-01-17 13:24:40巳蛇
日期:2014-02-18 14:32:59未羊
日期:2014-02-20 14:12:13白羊座
日期:2014-02-26 12:06:59
发表于 2016-07-21 17:28 |显示全部楼层
回复 3# chenjiali1

$ awk 'FNR==NR{if(/\/\/\//){if(d)a[Q]=d;d=$0;next}if(/Query/)Q=$2;d=d"\n"$0;next}FNR==1{a[Q]=d}{print a[$1]}' FILE key
////
Query:                      c41000_g1_i1
KO:                         K13126        PABPC
Pathway:                    RNA degradation        KEGG PATHWAY        ko03018
                            mRNA surveillance pathway        KEGG PATHWAY        ko03015
                            RNA transport        KEGG PATHWAY        ko03013
////
Query:                      c91825_g1_i1
KO:                         K02013        ABC.FEV.A
Pathway:                    ABC transporters        KEGG PATHWAY        ko02010
////
Query:                      c35426_g2_i2
KO:                         K01580        E4.1.1.15, gadB, gadA, GAD
Pathway:                    beta-Alanine metabolism        KEGG PATHWAY        ko00410
                            Taurine and hypotaurine metabolism        KEGG PATHWAY        ko00430

$ cat key
c41000_g1_i1
c91825_g1_i1
c35426_g2_i2

   

论坛徽章:
6
羊年新春福章
日期:2015-03-03 17:16:28双子座
日期:2015-03-03 17:16:56巳蛇
日期:2015-03-03 17:17:2415-16赛季CBA联赛之福建
日期:2016-03-11 09:05:00黑曼巴
日期:2016-07-07 16:58:1215-16赛季CBA联赛之吉林
日期:2016-11-14 09:23:07
发表于 2016-07-22 17:23 |显示全部楼层
  1. awk 'BEGIN{RS="////"}{if($2~/c41000_g1_i1|c91825_g1_i1|c35426_g2_i2/)printf RS $0}' 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

SACC2019中国系统架构师大会

【数字转型 架构演进】SACC2019中国系统架构师大会,7折限时优惠重磅来袭!
2019年10月31日~11月2日第11届中国系统架构师大会(SACC2019)将在北京隆重召开。四大主线并行的演讲模式,1个主会场、20个技术专场、超千人参与的会议规模,100+来自互联网、金融、制造业、电商等领域的嘉宾阵容,将为广大参会者提供一场最具价值的技术交流盛会。

限时七折期:2019年8月31日前


----------------------------------------

大会官网>>
  

北京盛拓优讯信息技术有限公司. 版权所有 16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122
中国互联网协会会员  联系我们:huangweiwei@it168.com
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