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: 1389 | 回复: 6
打印 上一主题 下一主题

[文本处理] 提取相应数据 [复制链接]

论坛徽章:
0
跳转到指定楼层
1 [收藏(0)] [报告]
发表于 2016-10-27 23:24 |只看该作者 |倒序浏览
本帖最后由 gooderpan 于 2016-10-27 23:29 编辑

有一个文件file:
>Gene.12654::NM_000014::g.12654::m.12654 Gene.12654::NM_000014::g.12654  ORF len:1475 (+) NM_000014:114-4538(+)
MGKNKLLHPSLVLLLLVLLPTDASVSGKPQYMVLVPSLLHTETTEKGCVLLSYLNETVTV
SASLESVRGNRSLFTDLEAENDVLHCVAFAVPKSSSNEEVMFLTVQVKGPTQEFKKRTV
MVKNEDSLVFVQTDKSIYKPGQTVKFRVVSMDENFHPLNELIPLVYIQDPKGNRIAQWQS
>Gene.1744::NM_000016::g.1744::m.1744 Gene.1744::NM_000016::g.1744  ORF len:565 (+) NM_000016:2-1696(+)
ASPPTVQRNRALPAPPPSPSPALALFPRCGQPRRPTERARGGNAENQTRTIRDCPERGCD
>Gene.13727::NM_000017::g.13727::m.13727 Gene.13727::NM_000017::g.13727  ORF len:452 (+) NM_000017:2-1357(+)
GPAPEALRAWPLSRVPPPSTPEQRARSGRSRSLGLCLSPMAAALLARASGPARRALCPRA
WRQLHTIYQSVELPETHQMLLQTCRDFAEKELFPIAAQVDKEHLFPAAQVKKMGGLGLLA

前一个“>”与后二个“>”前的内容为一组,提取“>”后面相应的字符串,想要得到的结果为:
>NM_000014
MGKNKLLHPSLVLLLLVLLPTDASVSGKPQYMVLVPSLLHTETTEKGCVLLSYLNETVTV
SASLESVRGNRSLFTDLEAENDVLHCVAFAVPKSSSNEEVMFLTVQVKGPTQEFKKRTV
MVKNEDSLVFVQTDKSIYKPGQTVKFRVVSMDENFHPLNELIPLVYIQDPKGNRIAQWQS
> NM_000016
ASPPTVQRNRALPAPPPSPSPALALFPRCGQPRRPTERARGGNAENQTRTIRDCPERGCD
> NM_000017
GPAPEALRAWPLSRVPPPSTPEQRARSGRSRSLGLCLSPMAAALLARASGPARRALCPRA
WRQLHTIYQSVELPETHQMLLQTCRDFAEKELFPIAAQVDKEHLFPAAQVKKMGGLGLLA


请问大神,这个又该怎么分析呀???

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
2 [报告]
发表于 2016-10-28 08:12 |只看该作者

  1. awk -F'::' '/>/{$0=">"$2}1' file
复制代码

论坛徽章:
0
3 [报告]
发表于 2016-10-28 08:21 |只看该作者
回复 2# moperyblue
我是初学者,请问大神从'>'开始,后面的code这是什么意思呀??

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
4 [报告]
发表于 2016-10-28 08:39 |只看该作者
回复 3# gooderpan


man awk

       -F fs
       --field-separator fs
              Use fs for the input field separator (the value of the FS predefined variable).

/>/  =>  含有">" 的行(如 第一行)

$0  =>  整行. 如: >Gene.12654::NM_000014::g.12654::m.12654 Gene.12654::NM_000014::g.12654  ORF len:1475 (+) NM_000014:114-4538(+)

$2  =>  该行的第二个域(字段),含有">"的行,按'::'分隔后第二个域就是NM_000014

$0=">"$2  就是将该行替换成">NM_000014"

1  <=>  1{print} 就是打印行

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
5 [报告]
发表于 2016-10-28 08:43 |只看该作者

  1. sed '/>/{s/[^>:]*:://;s/:.*//}' file
复制代码

论坛徽章:
145
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
6 [报告]
发表于 2016-10-28 08:53 |只看该作者

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
7 [报告]
发表于 2016-10-28 09:14 |只看该作者
  1. awk 'BEGIN{FS="[:]+"}{if($1~/^>/){print ">"$2}else{print}}' 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

  

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