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: 1567 | 回复: 6
打印 上一主题 下一主题

[文本处理] 如何只提取括号里的字符 [复制链接]

论坛徽章:
1
程序设计版块每日发帖之星
日期:2015-10-29 06:20:00
跳转到指定楼层
1 [收藏(0)] [报告]
发表于 2017-01-17 16:55 |只看该作者 |倒序浏览
求大侠,有文件如下:
ENSRNOG00000004589 transferase activity, transferring glycosyl groups(GO:0016757);carbohydrate binding(GO:0030246)
ENSRNOG00000047193 olfactory receptor activity(GO:0004984)
ENSRNOG00000009686 water channel activity(GO:0015250);glycerol channel activity(GO:0015254);urea channel activity(GO:0015265)
ENSRNOG00000015822 RNA polymerase II core promoter proximal region sequence-specific DNA binding(GO:000097;transcriptional activator activity, RNA polymerase II core promoter proximal region sequence-specific binding(GO:0001077);nucleic acid binding(GO:0003676);DNA binding(GO:0003677);metal ion binding(GO:0046872)

想改成的格式为
ENSRNOG00000004589 GO:0016757;GO:0030246
...
ENSRNOG00000015822 GO:0000978;GO:0001077;GO:0003676;........GO:0046872

论坛徽章:
54
2015亚冠之德黑兰石油
日期:2015-07-07 13:00:1615-16赛季CBA联赛之深圳
日期:2016-03-31 09:03:5415-16赛季CBA联赛之辽宁
日期:2016-05-09 20:38:15程序设计版块每日发帖之星
日期:2016-05-12 06:20:0015-16赛季CBA联赛之四川
日期:2016-05-13 15:19:4715-16赛季CBA联赛之福建
日期:2016-05-15 20:24:34每日论坛发贴之星
日期:2016-05-16 06:20:0015-16赛季CBA联赛之吉林
日期:2016-05-26 11:49:4715-16赛季CBA联赛之广东
日期:2016-05-26 13:49:18极客徽章
日期:2016-12-07 14:05:2315-16赛季CBA联赛之广夏
日期:2016-12-20 17:33:532017金鸡报晓
日期:2017-01-10 15:19:56
2 [报告]
发表于 2017-01-17 17:04 |只看该作者
本帖最后由 haooooaaa 于 2017-01-17 17:19 编辑
  1. awk '{s=$1;for(i=2;i<=split($0,t,"[()]");i++)s=i%2?s:s" "t[i];$0=s}1'
复制代码
  1. awk '{gsub("\\)[^(]+\\(| [^(]+\\(|\\)$"," ")}1'
复制代码


论坛徽章:
54
2015亚冠之德黑兰石油
日期:2015-07-07 13:00:1615-16赛季CBA联赛之深圳
日期:2016-03-31 09:03:5415-16赛季CBA联赛之辽宁
日期:2016-05-09 20:38:15程序设计版块每日发帖之星
日期:2016-05-12 06:20:0015-16赛季CBA联赛之四川
日期:2016-05-13 15:19:4715-16赛季CBA联赛之福建
日期:2016-05-15 20:24:34每日论坛发贴之星
日期:2016-05-16 06:20:0015-16赛季CBA联赛之吉林
日期:2016-05-26 11:49:4715-16赛季CBA联赛之广东
日期:2016-05-26 13:49:18极客徽章
日期:2016-12-07 14:05:2315-16赛季CBA联赛之广夏
日期:2016-12-20 17:33:532017金鸡报晓
日期:2017-01-10 15:19:56
3 [报告]
发表于 2017-01-17 17:09 |只看该作者
  1. sed -r 's/\)[^(]+\(| [^(]+\(|\)$/ /g'
复制代码

论坛徽章:
307
程序设计版块每周发帖之星
日期:2016-04-08 00:41:33操作系统版块每日发帖之星
日期:2015-09-02 06:20:00每日论坛发贴之星
日期:2015-09-02 06:20:00程序设计版块每日发帖之星
日期:2015-09-04 06:20:00每日论坛发贴之星
日期:2015-09-04 06:20:00每周论坛发贴之星
日期:2015-09-06 22:22:00程序设计版块每日发帖之星
日期:2015-09-09 06:20:00程序设计版块每日发帖之星
日期:2015-09-19 06:20:00程序设计版块每日发帖之星
日期:2015-09-20 06:20:00每日论坛发贴之星
日期:2015-09-20 06:20:00程序设计版块每日发帖之星
日期:2015-09-22 06:20:00程序设计版块每日发帖之星
日期:2015-09-24 06:20:00
4 [报告]
发表于 2017-01-17 18:48 |只看该作者
  1. perl -ple '($v,$_)=split(" ",$_,2);$_="$v ".join(",",/GO:\d+/g)' f
复制代码

ENSRNOG00000004589 GO:0016757,GO:0030246
ENSRNOG00000047193 GO:0004984
ENSRNOG00000009686 GO:0015250,GO:0015254,GO:0015265
ENSRNOG00000015822 GO:0000978,GO:0001077,GO:0003676,GO:0003677,GO:0046872

论坛徽章:
307
程序设计版块每周发帖之星
日期:2016-04-08 00:41:33操作系统版块每日发帖之星
日期:2015-09-02 06:20:00每日论坛发贴之星
日期:2015-09-02 06:20:00程序设计版块每日发帖之星
日期:2015-09-04 06:20:00每日论坛发贴之星
日期:2015-09-04 06:20:00每周论坛发贴之星
日期:2015-09-06 22:22:00程序设计版块每日发帖之星
日期:2015-09-09 06:20:00程序设计版块每日发帖之星
日期:2015-09-19 06:20:00程序设计版块每日发帖之星
日期:2015-09-20 06:20:00每日论坛发贴之星
日期:2015-09-20 06:20:00程序设计版块每日发帖之星
日期:2015-09-22 06:20:00程序设计版块每日发帖之星
日期:2015-09-24 06:20:00
5 [报告]
发表于 2017-01-17 18:55 |只看该作者
  1. #!/usr/bin/perl
  2. use strict;
  3. use warnings;

  4. while (<DATA>){
  5.     (my $v, local $_) = split (' ', $_, 2);
  6.     my @aT = /\(([^;]+)\b/g;
  7.     printf ("$v %s\n", join (',', @aT));
  8. }

  9. __DATA__
  10. ENSRNOG00000004589 transferase activity, transferring glycosyl groups(GO:0016757);carbohydrate binding(GO:0030246)
  11. ENSRNOG00000047193 olfactory receptor activity(GO:0004984)
  12. ENSRNOG00000009686 water channel activity(GO:0015250);glycerol channel activity(GO:0015254);urea channel activity(GO:0015265)
  13. ENSRNOG00000015822 RNA polymerase II core promoter proximal region sequence-specific DNA binding(GO:0000978;transcriptional activator activity, RNA polymerase II core promoter proximal region sequence-specific binding(GO:0001077);nucleic acid binding(GO:0003676);DNA binding(GO:0003677);metal ion binding(GO:0046872)
复制代码

ENSRNOG00000004589 GO:0016757,GO:0030246
ENSRNOG00000047193 GO:0004984
ENSRNOG00000009686 GO:0015250,GO:0015254,GO:0015265
ENSRNOG00000015822 GO:0000978,GO:0001077,GO:0003676,GO:0003677,GO:0046872

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
6 [报告]
发表于 2017-01-18 09:08 |只看该作者
  1. awk '{printf("%s",$1);for(i=2;i<=NF;i++)if($i~/GO:/){sub(/.*\(/," ",$i);sub(/\)/,"",$i);sub(/;.*/,";",$i);printf $i}print ""}' file
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
7 [报告]
发表于 2017-01-21 11:29 |只看该作者

  1. grep -oP '(^\S+)|GO:\w+' file|sed -r '/^[^:]+$/{N;s/\n/ /;:a;N;/\n[^:]+$/!{s/\n/;/;ta};P;D}'
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