删除以唯一模式开头的行中的字符答案

【问题标题】：delete characters in lines starting with an unique pattern删除以唯一模式开头的行中的字符
【发布时间】：2013-06-30 03:55:05
【问题描述】：

我有一个由许多条目组成的文件，如下所示：

>1761420406686363113470.1
CAAGATTCTGAGATAATCGCGGTTTAAAGTTTCAAATTTGTTTCGGCCGATTCGAAGTCA

即以 > 开头的标题行和许多序列行，然后是标题行。我正在尝试编写一个 sed 脚本，该脚本仅转到以 > 开头的行（而不是序列行）并删除除前 10 个数字之外的所有数字。

有很多类似的问题，但我想不通。我一直在尝试修改这段代码：

sed 's/^>..........*/^>........../' input.fasta

但显然我做得不对..

【问题讨论】：

标签： regex sed awk fasta

【解决方案1】：

这可能对你有用（GNU sed）：

sed -r 's/^(>.{10}).*/\1/p;d' file

如果你想保留序列行，这会删除所有被替换的行：

sed -r 's/^(>.{10}).*/\1/' file

应该符合要求。

【讨论】：

【解决方案2】：

您必须捕获括号中的前 10 个字符：

sed -e 's/^\(>..........\).*/\1/'

可以简写成

sed -e 's/^\(>.\{10\}\).*/\1/'

【讨论】：

{ 和 } 周围的反斜杠不是错误吗？
@ShamirK.: 这可能取决于sed 的版本。在 GNU sed 中，-e 需要它们。
@choroba GNU sed v4.2.1：sed -E 's/^(>.{10}).*/\1/g'，没有反斜杠
@ShamirK.：是的，我知道。但是您没有使用最便携的-e。此外，GNU sed 的-E 没有记录（它可能是-r 的别名）。
@choroba -e 不允许我使用反向引用

【解决方案3】：

作为 sed 的替代，使用 cut

$ echo ">1761420406686363113470.1" | cut -c1-11
>1761420406

要对以> 开头的行进行操作，请将其包装在 bash-while-loop 中

$ while read line; do if [[ $line == \>* ]]; then cut -c1-11 <<< $line; else echo $line; fi done < input
>1761420406
CAAGATTCTGAGATAATCGCGGTTTAAAGTTTCAAATTTGTTTCGGCCGATTCGAAGTCA

或使用 awk：

$ awk '{if ($0 ~ />/){print substr($0,0,11)}else{print}}' input
>1761420406
CAAGATTCTGAGATAATCGCGGTTTAAAGTTTCAAATTTGTTTCGGCCGATTCGAAGTCA

【讨论】：

但他只想截断以> 开头的行，而不是所有行。
@Kevin 这就是为什么有一个if 语句来检查该行是否以> 开头。
我在 Kevins 评论之后添加了 if 语句 :-)

【解决方案4】：

由于 sed 的好答案已经发布，这里有一个 `GNU-awk 解决方案。

gawk '/^>/{print gensub(/(.{11}).*/,"\\1","G",$1);next }1' inputFile

【讨论】：