Início / unix / Perguntas / 462354
Accepted
Anna1364
Asked: 2018-08-14 09:10:37 +0800 CST

como imprimir apenas parte de cada linha que estrela com um caractere específico

  • 772

Eu tenho um arquivo com mais de 10.000 linhas:

head samples   
https://genomequebec.mcgill.ca/nanuqMPS/readSetMd5Download/id/192170/type/READ_SET_FASTQ/filename/HI.2613.007.Custom_0022.ED9_SD2A27-1_180_R1.fastq.gz.md5
https://genomequebec.mcgill.ca/nanuqMPS/readSetMd5Download/id/192170/type/READ_SET_FASTQ_PE/filename/HI.2613.007.Custom_0022.ED9_SD2A27-1_180_R2.fastq.gz.md5
https://genomequebec.mcgill.ca/nanuqMPS/readSetMd5Download/id/192171/type/READ_SET_FASTQ/filename/HI.2613.007.Custom_0021.ED4_KS1A29-7_338_R1.fastq.gz.md5
https://genomequebec.mcgill.ca/nanuqMPS/readSetMd5Download/id/192171/type/READ_SET_FASTQ_PE/filename/HI.2613.007.Custom_0021.ED4_KS1A29-7_338_R2.fastq.gz.md5
https://genomequebec.mcgill.ca/nanuqMPS/readSetMd5Download/id/192168/type/READ_SET_FASTQ/filename/HI.2613.007.Index_18.ED17_MO1A26-7_353_R1.fastq.gz.md5
https://genomequebec.mcgill.ca/nanuqMPS/readSetMd5Download/id/192168/type/READ_SET_FASTQ_PE/filename/HI.2613.007.Index_18.ED17_MO1A26-7_353_R2.fastq.gz.md5
https://genomequebec.mcgill.ca/nanuqMPS/readSetMd5Download/id/192169/type/READ_SET_FASTQ/filename/HI.2613.007.Index_14.ED14_IA2A35-2_310_R1.fastq.gz.md5

Desejo imprimir apenas parte de cada linha que começa com "HI.*"

Esta é a minha saída desejada:

HI.2613.007.Custom_0022.ED9_SD2A27-1_180_R1.fastq.gz
HI.2613.007.Custom_0022.ED9_SD2A27-1_180_R2.fastq.gz
HI.2613.007.Custom_0021.ED4_KS1A29-7_338_R1.fastq.gz
HI.2613.007.Custom_0021.ED4_KS1A29-7_338_R2.fastq.gz
HI.2613.007.Index_18.ED17_MO1A26-7_353_R1.fastq.gz
HI.2613.007.Index_18.ED17_MO1A26-7_353_R2.fastq.gz
awk text-processing

3 respostas

  1. Best Answer

    Usandoawk

    awk -F'/' '$NF ~ /^HI\./{ print $NF }' infile

    para remover o .md5sufixo, você pode fazer:

    awk -F'(/|.md5)' '$(NF-1) ~ /^HI\./{ print $(NF-1) }' infile

    • em awk, o $0está se referindo a toda a linha/registro e $1, $2, $3, ... estão se referindo ao primeiro, segundo, terceiro, ... respectivamente; e $NFreferindo-se ao último campo e, portanto, $(NF-1)é o penúltimo campo.

    • o ~operador til em awk trata o operador do lado direito como correspondência de expressão regular (estendida) com o operando do lado esquerdo como stringstring ~ /regular-expression/

    A sedsolução:

    sed 's:.*/\([^/]*\)\.md5$:\1: ; /^HI\./!d' infile

    • isso /\([^/]*\)\.md5corresponde à última barra seguida de qualquer coisa, mas não de uma barra que termine com .md5. Pegamos \([^/]*\)(tudo entre a última barra e .md5como uma partida de grupo e imprimimos apenas isso na parte de substituição com sua referência inversa \1.

    • isso /^HI\./!dexclui as linhas que não começam com HI.o resultado do sedcomando anterior.

    • usamos seddelimitador diferente :, pois temos /caracteres especiais na entrada.

    • 3

  2. Tente isso,

    awk -F '/' '$NF ~ /^HI/ {print substr($NF, 1, length($NF)-4)}' file.txt
    • imprime o último campo se o último campo começar comHI
    • exclui os últimos 4 personagens.md5

    Resultado

    HI.2613.007.Custom_0022.ED9_SD2A27-1_180_R1.fastq.gz
HI.2613.007.Custom_0022.ED9_SD2A27-1_180_R2.fastq.gz
HI.2613.007.Custom_0021.ED4_KS1A29-7_338_R1.fastq.gz
HI.2613.007.Custom_0021.ED4_KS1A29-7_338_R2.fastq.gz
HI.2613.007.Index_18.ED17_MO1A26-7_353_R1.fastq.gz
HI.2613.007.Index_18.ED17_MO1A26-7_353_R2.fastq.gz
HI.2613.007.Index_14.ED14_IA2A35-2_310_R1.fastq.gz
    • 1 
  3. awk -F"filename/" '{gsub (".md5","");print $2}'
    • 0

relate perguntas