使用 Sed 删除部分字符串答案

【问题标题】：Removing Parts of String With Sed使用 Sed 删除部分字符串
【发布时间】：2011-03-07 14:45:34
【问题描述】：

我的数据行如下所示：

sp_A0A342_ATPB_COFAR_6_+_contigs_full.fasta
sp_A0A342_ATPB_COFAR_9_-_contigs_full.fasta
sp_A0A373_RK16_COFAR_10_-_contigs_full.fasta
sp_A0A373_RK16_COFAR_8_+_contigs_full.fasta
sp_A0A4W3_SPEA_GEOSL_15_-_contigs_full.fasta

如何使用sed 删除每行第 4 列（_ 分隔）之后的部分字符串。最终屈服：

sp_A0A342_ATPB_COFAR
sp_A0A342_ATPB_COFAR
sp_A0A373_RK16_COFAR
sp_A0A373_RK16_COFAR
sp_A0A4W3_SPEA_GEOSL

【问题讨论】：

标签： linux bash unix sed

【解决方案1】：

cut 更合适。

cut -d_ -f 1-4 old_file

这只是意味着使用 _ 作为分隔符，并保留字段 1-4。

如果你坚持sed:

sed 's/\(_[^_]*\)\{4\}$//'

这个左侧正好匹配一个组的四个重复，由一个下划线后跟 0 个或多个非下划线组成。在那之后，我们必须排在最后。这一切都被什么都取代了。

【讨论】：

【解决方案2】：

sed -e 's/\([^_]*\)_\([^_]*\)_\([^_]*\)_\([^_]*\)_.*/\1_\2_\3_\4' infile > outfile

匹配“任意数量的非'_'”，保存\(和\)之间匹配的内容，后跟'_'。这样做 4 次，然后匹配该行其余部分的任何内容（被忽略）。替换为以“_”分隔的每个匹配项。

【讨论】：

【解决方案3】：

这是另一种可能性：

sed -E -e 's|^([^_]+(_[^_]+){3}).*$|\1|'

其中 -E 与 GNU sed 中的 -r 类似，会打开扩展正则表达式以提高可读性。

仅仅因为您可以在 sed 中做到这一点，并不意味着您应该。为此，我更喜欢剪裁。

【讨论】：

【解决方案4】：

AWK 喜欢在野外玩耍：

awk 'BEGIN{FS=OFS="_"}{print $1,$2,$3,$4}' inputfile

或者，更一般地说：

awk -v count=4 'BEGIN{FS="_"}{for(i=1;i<=count;i++){printf "%s%s",sep,$i;sep=FS};printf "\n"}'

【讨论】：

【解决方案5】：

sed -e 's/_[0-9][0-9]*_[+-]_contigs_full.fasta$//g'

但最简单的答案可能更快，而且通常更好。

【讨论】：

【解决方案6】：

是的，剪裁更好，是的，匹配每个背面更容易。

我终于在每一行的开头找到了一个匹配项：

 sed -r 's/(([^_]*_){3}([^_]*)).*/\1/' oldFile > newFile

【讨论】：