提取字符串的一部分的最简单方法？

假设这是GFF 文件的第 9 个制表符分隔字段（“属性”字段），您可以提取与特定属性（从单独的文件中读取）gene对应的属性值，如下所示：IDawk

BEGIN { FS = "\t" }

FNR == NR {
    # Read IDs into a hash as keys.
    ids[$1] = 1
    next
}

$3 == "gene" {
    # Split the attribute field into separate key-value pairs.
    n = split($9, keyvalues, ";")

    id = ""    # Not found a gene ID yet
    gene = ""  # No gene name to print

    # Loop over the key-value pairs, split them on the "="
    # and extract the gene name and gene ID.
    for (i = 1; i <= n; ++i) {
        split(keyvalues[i], attr, "=")
        if (attr[1] == "ID") {
            if (attr[2] in ids)
                id = attr[2]
            else
                next  # This line is not of interest
        }
        else if (attr[1] == "gene")
            gene = attr[2]
    }

    if (id != "" && gene != "")
        print gene
}

在一个名为 GFF 的文件上运行它，该文件file.gff包含第 9 列中的给定数据，基因 ID 列表位于id.list：

$ awk -f script.awk id.list file.gff
LOC108565285
LOC108569527

FNR == NR基因 ID 列表是从代码块中的第一个文件中读取的awk，而最后一个块正在处理命令行中给出的第二个（以及所有以后的）文件中的基因特征行的属性字段（仅）。

该awk代码假定 GFF 文件的ID和gene属性仅包含单个值（不是逗号分隔的值列表）并且这些值没有被引用。

要将输出作为基因名称和基因 ID 列表（两列），请将print gene语句更改为print id, gene.

这需要重构，但应该做你想做的事：

while IFS=; read -r line; do grep -Fw "$line" biffile.txt; done < other_file | awk -F';' '{split($3,a,"=");print a[2]}'

我会使用稍微不同的方法。首先，只提取 ID 和 Name 字段：

$ sed -nE 's/.*ID=([^;]*).*Name=([^;]*).*/\1 \2/p' file1
gene27 LOC108565285
gene28 LOC108569527
gene78 LOC108562956

然后，使用目标 ID 列表过滤：

$ cat file2
gene27
gene28
$ sed -nE 's/.*ID=([^;]*).*Name=([^;]*).*/\1 \2/p' file1 | grep -wf file2 
gene27 LOC108565285
gene28 LOC108569527

或者，如果你只想要这个LOC....值，并假设你有 GNU grep：

$ grep -wf file2 file1 | grep -oP 'Name=\K[^;]+'
LOC108565285
LOC108569527

安全的。简单的。短的。

顾名思义bigfile.txt，我们不想 grep 多次通过它，而是一次性完成。所以我更喜欢@Kusalananda 之类的尝试：收集所有基因 ID 以提取，而不是扫描一次bigfile. 对于我更喜欢​​这样的任务sed，因为您不需要处理变量、数组和循环之类的编程，只需让工具完成工作：

sed '/^gene[0-9]*$/{s/$/;/;H;d;};G;/ID=\(gene[0-9]*;\).*\n\1/!d;s/.*gene=\(LOC[0-9]*\);.*/\1/' genelist.txt bigfile.txt

这是解释：

• /^gene[0-9]*$/是一种选择列表行的模式：仅gene带有一个数字
• {s/$/;/;H;d;}仅对上面的行执行：s/$/;/附加 a ;，H将此修改的行附加到保留空间并d停止进一步处理并删除该行
• 在脚本的这一点上，我们知道我们在bigfile.txt并且保存空间充满了所有基因ID。现在G将此列表附加到模式空间
• 该模式/ID=\(gene[0-9]*;\).*\n\1/选择在换行符之后gene[0-9]*重复 ID 的行（\1指的是第一对中的字符串\(\)），因此 ID 存在于列表中
• !d反转选择并删除，所有没有匹配的行都被删除
• 现在对于所有匹配的行，提取gene字段：s/.*gene=\(LOC[0-9]*\);.*/\1/

通过以下简单脚本完成

命令

for i in `cat file2`; do awk -v i="$i" -F ";" '$1=="ID="i{print $5}' file1| awk -F  "=" '{print $NF}'; done

输出

LOC108565285
LOC108569527

尝试这个

grep "ID=gene[0-9]" bigfile.txt |  sed 's/\;/ /g' | awk '{print $3}' | sed 's/Name=//g'

尝试这个，

    grep "ID=$pattern;" file | grep -o 'Name=[^;]*' | sed 's/Name=//g';

• grep -o 'Name=[^;]*'使用 grep 模式以 "Name=" 开头并立即结束 ";"
• sed 's/Name=//g';只需根据您的要求删除不需要的模式。