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

如何仅打印以特定字符为星标的每一行的一部分

  • 772

我有一个超过 10,000 行的文件：

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

我只想打印以“HI.*”开头的每一行的一部分

这是我想要的输出：

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 个回答

  1. Best Answer

    使用awk

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

    要删除.md5后缀，您可以执行以下操作：

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

    • 在 中awk，the$0指的是整行/记录，而$1, $2, $3, ... 分别指第一，第二，第三，...；并$NF引用最后一个字段，因此$(NF-1)是倒数第二个字段。

    • awk中的 tild~运算符将右侧运算符视为（扩展）正则表达式匹配，将左侧操作数视为字符串string ~ /regular-expression/

    sed解决方案：

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

    • 这/\([^/]*\)\.md5匹配最后一个斜杠后跟除以 . 结尾的斜杠之外的任何内容.md5。我们采用\([^/]*\)(最后一个斜杠和.md5作为组匹配之间的所有内容，并在替换部分中仅打印它及其后向引用\1。

    • 这/^HI\./!d会删除不是从上一个命令HI.的结果开始的行。sed

    • 我们使用了不同的sed定界符:，因为我们在输入中有特殊/字符。

    • 3

  2. 尝试这个，

    awk -F '/' '$NF ~ /^HI/ {print substr($NF, 1, length($NF)-4)}' file.txt
    • 如果最后一个字段以HI
    • 排除最后 4 个字符.md5

    输出

    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

相关问题