在匹配 STRING 的前 8 行前添加“#”答案

【问题标题】：Adding "#" in front of the first 8 lines matching STRING在匹配 STRING 的前 8 行前添加“#”
【发布时间】：2015-07-07 17:27:12
【问题描述】：

这个问题有点混乱，所以我只举一个例子。

假设我有以下情况：

$ grep -P "locus_tag\tM715_1000193188" Genome.tbl -B1 -A8
193188  193066  gene
            locus_tag   M715_1000193188
193188  193066  mRNA
            product hypothetical protein
            protein_id  gnl|CorradiLab|M715_1000193188
            transcript_id   gnl|CorradiLab|M715_mrna1000193188
193188  193066  CDS
        product hypothetical protein
        protein_id  gnl|CorradiLab|M715_1000193188
        transcript_id   gnl|CorradiLab|M715_mrna1000193188

我想在“locus_tag M715_1000193188”后面的8行加上“#”，这样我修改后的文件就变成了这样：

193188  193066  gene
            locus_tag   M715_1000193188
#193188 193066  mRNA
#           product hypothetical protein
#           protein_id  gnl|CorradiLab|M715_1000193188
#           transcript_id   gnl|CorradiLab|M715_mrna1000193188
#193188 193066  CDS
#       product hypothetical protein
#       protein_id  gnl|CorradiLab|M715_1000193188
#       transcript_id   gnl|CorradiLab|M715_mrna1000193188

基本上我有一个包含大约 3000 个不同基因座标签的文件，其中 300 个我需要注释掉 mRNA 和 CDS 特征，因此 locus_tag 行之后的 8 行。

有什么方法可以用 sed 做到这一点？文件中还有其他类型的信息需要保持不变。

谢谢，阿德里安

【问题讨论】：

标签： awk sed text-parsing

【解决方案1】：

如果你可以使用awk，应该这样做：

awk 'f&&f-- {$0="#"$0} /locus_tag/ {f=8} 1' file
193188  193066  gene
            locus_tag   M715_1000193188
#193188  193066  mRNA
#            product hypothetical protein
#            protein_id  gnl|CorradiLab|M715_1000193188
#            transcript_id   gnl|CorradiLab|M715_mrna1000193188
#193188  193066  CDS
#        product hypothetical protein
#        protein_id  gnl|CorradiLab|M715_1000193188
#        transcript_id   gnl|CorradiLab|M715_mrna1000193188

【讨论】：

很好，它有效！如何直接在文件中进行更改？我需要这样做 300 次，所以每次我进行编辑时是否可以直接更改“文件”？假设我有一个 for 循环，其中 $i 是轨迹名称，awk 看起来像这样 awk 'f&&f-- {$0="#"$0} /locus_tag\t$i/ {f=8} 1' 文件
要使awk 更新原始文件，请执行：awk 'commands' file >tmp && mv tmp file。如果你有gawk >= `4.1`，你可以使用gawk -i
或通过 awk 传递所有轨迹值，并在输入文件中一次性完成所有更改。
我遇到了一些麻烦。某些基因座编号（例如 M715_80001）存在问题，因为与其他基因座编号（例如 M715_8000123 M715_80001654）部分匹配。我怎样才能调整它以获得完全匹配？我尝试添加一个 \n 字符，但它不起作用 awk 'f&&f-- {$0="#"$0} /locus_tag\tM715_80001\n/ {f=8} 1'
你可以这样做：awk 'f&&f-- {$0="#"$0} $1=="locus_tag" && $2=="M715_80001" {f=8} 1' file

【解决方案2】：

sed 支持范围Addresses，可以在这里做你想做的事情。

sed -e '/locus_tag\tM715_1000193188/,+8s/^/#/' file

如 cmets 中所述，此范围地址格式是 GNU sed 特定的。

【讨论】：

我喜欢。除此之外：sed 直接理解\t。 /pattern/,+8 形式的范围是 GNU 特定的；记下这一点可能是谨慎的。
此解决方案计算字符串后面的 8 行以及找到该字符串的行。是否可以不注释找到字符串的行？谢谢
嗯...好问题。我不确定 sed 是否可以轻松做到这一点。 vim 虽然支持这种范围。我认为你需要一个标签和一个替换测试或类似的东西来 sed。
除了比赛前的 2 行之外，有没有办法做到这一点？我尝试了 -2s 而不是 +8s，但没有奏效。
sed 绝对不能那样倒退。我也不知道 sed 在范围上做“数学”。 vim 可以做这两件事，但不适合大文件。您可以使用 awk 通过手动保持行的滑动窗口来做到这一点，但我不知道有什么可以以流方式执行此操作（可能是 perl，但我不知道）。

【解决方案3】：

$ cat tst.awk
BEGIN { split(tags,tmp); for (i in tmp) tagsA[tmp[i]] }
c&&c-- { $0 = "#" $0 }
($(NF-1) == "locus_tag") && ($NF in tagsA) { c=8 }
{ print }

$ awk -v tags="M715_1000193188 M715_1000193189 M715_1000193190" -f tst.awk file
193188  193066  gene
            locus_tag   M715_1000193188
#193188  193066  mRNA
#            product hypothetical protein
#            protein_id  gnl|CorradiLab|M715_1000193188
#            transcript_id   gnl|CorradiLab|M715_mrna1000193188
#193188  193066  CDS
#        product hypothetical protein
#        protein_id  gnl|CorradiLab|M715_1000193188
#        transcript_id   gnl|CorradiLab|M715_mrna1000193188

只需列出您关心的所有 300 个基因座标记值，如上所示的 3 个示例。

【讨论】：

【解决方案4】：

这可能对你有用（GNU sed）：

sed 's/.*/\\#locus_tag\\s*&#,+9{\\#locus_tag\\s*&#n;s|^|#|}/' tag_file |
sed -i -f - file

这会从标记文件创建一个 sed 脚本，并将# 添加到标记匹配后的八行中。

【讨论】：