英文:
Sed is not removing the pattern for a list of headers
问题
问候，
我有一个文件中有多个DNA序列的以下头部信息
>10 AC_000167.1
>11 AC_000168.1
>12 AC_000169.1
>MT NC_006853.1
>X AC_000187.1
>GPS_000341582.1 NW_003097887.1
>GPS_000341583.1 NW_003097888.1
>GPS_000341584.1 NW_003097889.1
>GPS_000341585.1 NW_003097890.1
>GPS_000341586.1 NW_003097891.1
我正在使用以下sed命令来替换第一个空格后的所有内容。
sed -i 's/[^(>\d+?MT?X?GPS_\d+\.\d+)]\S..\d+\.\d+//g' newHeader.txt
输出应该像这样
>10
>11
>12
>MT
>X
>GPS_000341582.1
>GPS_000341583.1
>GPS_000341584.1
>GPS_000341585.1
然而，该命令似乎不起作用，也没有出现任何错误。我该如何修复？
英文:
Greeting,
I have following headers in a file with multiple dna sequences
>10 AC_000167.1
>11 AC_000168.1
>12 AC_000169.1
>MT NC_006853.1
>X AC_000187.1
>GPS_000341582.1 NW_003097887.1
>GPS_000341583.1 NW_003097888.1
>GPS_000341584.1 NW_003097889.1
>GPS_000341585.1 NW_003097890.1
>GPS_000341586.1 NW_003097891.1
I am using following sed command to replace everything after the first white space.
sed -i 's/[^(>\d+?MT?X?GPS_\d+\.\d+)]\S..\d+\.\d+//g' newHeader.txt
The output should like this
>10
>11
>12
>MT
>X
>GPS_000341582.1
>GPS_000341583.1
>GPS_000341584.1
>GPS_000341585.1
However the command does not seem to work and does not give any error. How can I fix this?
答案1
得分: 1
Sure, here's the translated content:
如果意图是删除第一个空格之后的所有内容（包括空格），但只针对某些特定行，则根据您提供的不起作用的sed命令，可能是您想要的：
# 使用支持-i和-E的sed：
sed -i -E 's/^(>[0-9]+|MT|X|GPS_[0-9]+\.[0-9]+)[[:space:]].*//' infile
默认情况下，许多sed元字符在\之后出现。不需要在-E中使用反斜杠：
^- 匹配行的开头(...)- 分组|- 替代（可能需要-E才能理解）[list]- 来自列表的任何单个字符- 在方括号内，
[:space:]匹配“空格”字符（制表符、换行符、空格等）
- 在方括号内，
{min,max}- 重复前面的 min 到 max 次*- 前面的零个或多个+- 前面的一个或多个（如果没有-E则无法理解）
警告： 使用 -i 非常危险。确保在发生问题时备份原始文件。
只支持 POSIX BRE 的sed版本不支持替代（\|）。对于这些版本，可以单独测试每个替代项：
# 使用任何POSIX sed：
sed '
# 如果行匹配，则跳转到标签s
/^\(>X\)[[:space:]].*/bs
/^\(>MT\)[[:space:]].*/bs
/^\(>[0-9]\{1,\}\)[[:space:]].*/bs
/^\(>GPS_[0-9]\{1,\}\.[0-9]\{1,\}\)[[:space:]].*/bs
# 如果到达这里，没有匹配项
# 所以只需打印行并开始下一个循环
d
:s
# 空的正则表达式重用前一个正则表达式
s///
' infile > tmpfile && mv tmpfile infile
请注意，以上内容是对您提供的代码片段的翻译。如果您有其他问题或需要进一步的帮助，请随时告诉我。
英文:
If the intent is to strip everything after the first space (including the space), but only on some specific lines, then
based on the non-working sed command you provided, this may be what you want:
# with a sed that supports -i and -E:
sed -i -E 's/^(>[0-9]+|MT|X|GPS_[0-9]+\.[0-9]+)[[:space:]].*//' infile
By default, many sed metacharacters appear after \. The backslash is not needed with -E:
^- match start of line(...)- grouping|- alternation (may not be understood without -E)[list]- any single character from list- inside brackets
[:space:]matches "space" characters (tab, newline, space, etc)
- inside brackets
{min,max}- from min to max repetitions of preceding*- zero or more of preceding+- one or more of preceding (not understood without-E)
Warning: Using -i is quite dangerous. Make sure you have backups of the original file in case something goes wrong.
Versions of sed that only support POSIX BRE do not support alternation (\|).
With these, one can test each alternative separately:
# with any POSIX sed:
sed '
# if line matches, branch to label s
/^\(>X\)[[:space:]].*/bs
/^\(>MT\)[[:space:]].*/bs
/^\(>[0-9]\{1,\}\)[[:space:]].*/bs
/^\(>GPS_[0-9]\{1,\}\.[0-9]\{1,\}\)[[:space:]].*/bs
# if we got here nothing matched
# so just print line and start next cycle
d
:s
# empty regex reuses the previous one
s///
' infile >tmpfile && mv tmpfile infile
答案2
得分: 0
使用 sed 命令：
$ sed -i -E 's/^([^ ]+) .*//' file
正则表达式匹配如下：
| 节点 | 解释 |
|---|---|
^ |
字符串开头锚点 |
( |
捕获组 \1： |
[^ ]+ |
任意字符除了空格（1次或更多次，尽可能匹配最多字符） |
) |
\1 的结束 |
| ' ' | 空格 |
.* |
任意字符除了换行符（0次或更多次，尽可能匹配最多字符） |
使用 grep 命令：
grep -oP '^>\S+' file
正则表达式匹配如下：
| 节点 | 解释 |
|---|---|
^ |
字符串开头锚点 |
> |
> 字符 |
\S+ |
非空白字符（除了换行、回车、制表、换页、和双引号之外的字符）（1次或更多次，尽可能匹配最多字符） |
如果要进行原地编辑：
grep -oP '^>\S+' file | sponge file
英文:
With sed:
$ sed -i -E 's/^([^ ]+) .*//' file
The regular expression matches as follows:
| Node | Explanation |
|---|---|
^ |
the beginning of the string anchor |
( |
group and capture to \1: |
[^ |
]+ any character except: space (1 or more times (matching the most amount possible)) |
) |
end of \1 |
| ' ' | space |
.* |
any character except \n (0 or more times (matching the most amount possible)) |
With grep:
grep -oP '^>\S+' file
>10
>11
>12
>MT
>X
>GPS_000341582.1
>GPS_000341583.1
>GPS_000341584.1
>GPS_000341585.1
>GPS_000341586.1
The regular expression matches as follows:
| Node | Explanation |
|---|---|
^ |
the beginning of the string anchor |
> |
> |
\S+ |
non-whitespace (all but \n, \r, \t, \f, and " ") (1 or more times (matching the most amount possible)) |
If you want to edit in place:
grep -oP '^>\S+' file | sponge file
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论