桑达。如何删除线匹配模式和字符串角落找寻呢？ [英] Sed. How to remove line match with pattern and strings arround it?

问题描述

我有，你想通过模式删除线匹配，并删除上面和下面的字符串的文件。

举例：

FFFFIFIBBFFFFFFFFFFFFFBBBBFBBBBFBBBB77＆LT;＆LT; BBBBBB7B＆LT;＆BBBBBB LT; B＆LT;
    @HISEQ：102：h9u5badxx：1 1101：13002：2147 1：N：0：CTGT
    GATCCCCGTCTATCAGATACACGTTACTCAGCTAGTGCGAATGCGAACGCGAAATTTT
    +
    FFFFFFFFBBFFFFFFFFFFFFFBFBFFFFFFFFFBFFFBFFFFFBFFFFFFFFFBFB
    @HISEQ：102：h9u5badxx：1：1101：15368：2194 1：N：0：CTGT
    +
    FFIFBFFIFFBBBFFFFFFFBBFFBFFBBBFFFBB7BBBBBBFFFBB700＆所述; 7770＆下; BBB0＆℃，下; BFFBFBFFFFF
    @HISEQ：102：h9u5badxx：1 1101：19167：2169 1：N：0：CTGT
    GATCTCATATAGGGCAGCGTGGTCGCGGC

我想删除不含有的核苷酸序列的第二块

最终结果是：

 `FFFFIFIBBFFFFFFFFFFFFFBBBBFBBBBFBBBB77＆LT;＆LT; BBBBBB7B＆LT;＆BBBBBB LT; B＆LT;
@HISEQ：102：h9u5badxx：1：1101：13002：2147 1：N：0：CTGT
GATCCCCGTCTATCAGATACACGTTACTCAGCTAGTGCGAATGCGAACGCGAAATTTT
+
FFIFBFFIFFBBBFFFFFFFBBFFBFFBBBFFFBB7BBBBBBFFFBB700＆所述; 7770＆下; BBB0＆℃，下; BFFBFBFFFFF
@HISEQ：102：h9u5badxx：1：1101：19167：2169 1：N：0：CTGT
GATCTCATATAGGGCAGCGTGGTCGCGGC
`
 

模式匹配这此块

 '^ + $（\\ n）的^（@ HISEQ）。* $（\\ n）的^ \\ +'
 

工作在 perl的和的JavaScript ，但不是 SED

由于 SED 不换行工作。

我找到了解决办法。

  SED -e'：一个; N; $ BA; S / \\ n / /'测试
 

但是，这code替换换行符空间。如果插入到此code我的正则表达式：

  SED -e'：！一个; N; $ BA; /^.+$（\\ n）的^（@ HISEQ）* $（\\ n）的^ \\ + / D'测试
 

这是行不通的。
你能帮我找到这个问题的解决？

---

我只是愚蠢。我误解的文件格式。
输入：

  @ HWI-ST383：199：D1L73ACXX：3 1101：1309：1956 1：N：0：ACAGTGA
+
JJJHIIJFIJJJJ = BFFFFFEEEEEEDDDDDDDDDDBD
@ HWI-ST383：199：D1L73ACXX：3：1101：3437：1952 1：N：0：ACAGTGA
GATCTCGAAGCAAGAGTACGACGAGTCGGGCCCCTCCA
+
IIIIFFF＆LT;？6 FAFEC @ = C @ 1AE ###############
 

如何编辑定期向EXP得到你想要的东西。

输出：

  @ HWI-ST383：199：D1L73ACXX：3 1101：3437：1952 1：N：0：ACAGTGA
GATCTCGAAGCAAGAGTACGACGAGTCGGGCCCCTCCA
+
IIIIFFF＆LT;？6 FAFEC @ = C @ 1AE ###############
 

解决方案

如果我理解正确，那么

  sed的'：循环; N; / \\ N + /！ {$！ b循环}; / \\ n @ HISEQ [^ \\ n] \\ + \\ N + / D'foo.txt的
 

将工作。这是如下：

 ：环＃在循环
N＃获取更多线
/ \\ N + /！ {$！ b循环}＃直到一个与+开头或最后一行
/ \\ n @ HISEQ [^ \\ n] \\ + \\ n如果所有的倒数第二行与@HISEQ开始+ / D＃，
                         ＃放弃很多。
 

这最后一个模式是利用它与 + 开头的第一个行之后检查的事实被发现，因此 \\ N + 在它的结束唯一匹配块中的最后一行的开始。

I have a file where you want to delete line matching by pattern and remove strings above and below.

By example:

FFFFIFIBBFFFFFFFFFFFFFBBBBFBBBBFBBBB77<<BBBBBB7B<BBBBBB<B< @HISEQ:102:h9u5badxx:1:1101:13002:2147 1:N:0:CTGT GATCCCCGTCTATCAGATACACGTTACTCAGCTAGTGCGAATGCGAACGCGAAATTTT + FFFFFFFFBBFFFFFFFFFFFFFBFBFFFFFFFFFBFFFBFFFFFBFFFFFFFFFBFB @HISEQ:102:h9u5badxx:1:1101:15368:2194 1:N:0:CTGT + FFIFBFFIFFBBBFFFFFFFBBFFBFFBBBFFFBB7BBBBBBFFFBB700<7770<BBB0<0<BFFBFBFFFFF @HISEQ:102:h9u5badxx:1:1101:19167:2169 1:N:0:CTGT GATCTCATATAGGGCAGCGTGGTCGCGGC

I want to remove second block which does not contain the nucleotide sequence.

The end result:

`FFFFIFIBBFFFFFFFFFFFFFBBBBFBBBBFBBBB77<<BBBBBB7B<BBBBBB<B<
@HISEQ:102:h9u5badxx:1:1101:13002:2147 1:N:0:CTGT
GATCCCCGTCTATCAGATACACGTTACTCAGCTAGTGCGAATGCGAACGCGAAATTTT
+
FFIFBFFIFFBBBFFFFFFFBBFFBFFBBBFFFBB7BBBBBBFFFBB700<7770<BBB0<0<BFFBFBFFFFF
@HISEQ:102:h9u5badxx:1:1101:19167:2169 1:N:0:CTGT
GATCTCATATAGGGCAGCGTGGTCGCGGC
`

Pattern which matched this block

'^.+$(\n)^(@HISEQ).*$(\n)^\+'

works in perl and javascript, but not sed.

Because sed does not work with line break.

I found the solution

sed -e ':a;N;$!ba;s/\n/ /' test

But this code replace line break to space. If insert to this code my regexp:

sed -e ':a;N;$!ba;/^.+$(\n)^(@HISEQ).*$(\n)^\+/d' test

this does not work. Can you help me find the solution of this problem?

---

I'm just stupid. I misunderstood the file format. Input:

@HWI-ST383:199:D1L73ACXX:3:1101:1309:1956 1:N:0:ACAGTGA 
+ 
JJJHIIJFIJJJJ=BFFFFFEEEEEEDDDDDDDDDDBD 
@HWI-ST383:199:D1L73ACXX:3:1101:3437:1952 1:N:0:ACAGTGA
GATCTCGAAGCAAGAGTACGACGAGTCGGGCCCCTCCA 
+ 
IIIIFFF<?6?FAFEC@=C@1AE############### 

How to edit the regular exp to get what you want

output:

@HWI-ST383:199:D1L73ACXX:3:1101:3437:1952 1:N:0:ACAGTGA
GATCTCGAAGCAAGAGTACGACGAGTCGGGCCCCTCCA 
+ 
IIIIFFF<?6?FAFEC@=C@1AE###############

解决方案

If I understand you correctly, then

sed ':loop; N; /\n+/ ! { $ ! b loop }; /\n@HISEQ[^\n]\+\n+/ d' foo.txt

will work. This is as follows:

:loop                    # in a loop
N                        # fetch more lines
/\n+/ ! { $ ! b loop }   # until one starts with + or is the last line
/\n@HISEQ[^\n]\+\n+/ d   # if the penultimate line of all that begins with @HISEQ,
                         # discard the lot.

That last pattern is using the fact that it is checked right after the first line that begins with + is found, so the \n+ at the end of it uniquely matches the start of the last line in the block.

这篇关于桑达。如何删除线匹配模式和字符串角落找寻呢？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！