使用 sed 删除两个空格字符之间的字符串

Question

不知何故，我无法解决这个问题。我有以下字符串：

>sp.A9L976 PSBA_LEMMI Photosystem II protein D1 organism=Lemna minor taxid=4472 gene=psbA

我想使用 sed 删除第 1 次和第 2 次出现空格之间的字符串。因此，在这种情况下，应该删除 PSBA_LEMMI。前两个空格之间的字符串不包含任何特殊字符。

到目前为止，我尝试了以下方法：

sed 's/\s.*\s/\s/'

但这会删除最后出现的空格字符串，导致：>sp.A9L976 TESTgene=psbA。我认为通过省略贪婪表达式g sed 只会匹配字符串的第一次出现。我也试过了：

sed 's/(?<=\s).*(?=\s)//'

但这不匹配/删除任何东西。有人可以帮我吗？我错过了什么？

Answer 1

你可以使用

sed -E 's/\s+\S+\s+/ /'
sed -E 's/[[:space:]]+[^[:space:]]+[[:space:]]+/ /'

两个POSIX ERE模式是一样的，它们匹配一个或多个空格，一个或多个非空格，以及一个或多个空格，只是\s和\S模式只能在GNU @987654324中使用@版本。

请注意，您不能在替换部分中使用\s 作为空白字符。 \s 是一种正则表达式模式，正则表达式用于 LHS（左侧）搜索空格。因此，需要一个文字空间来替换 为 一个空格。

由于您也可以使用awk 解决方案，因此您可以使用

awk '{$2=""}1' file

这里，行（“记录”）被分成带有空格的“字段”（它是默认的字段分隔符），第二个字段（$2）的值用{$2 = ""}和1清除强制 awk 输出结果（调用默认的print 命令）。

Answer 2

你可以试试这个sed

sed 's/\(\.[^\s]*\) .[^\s]* \(.*\)/\1 \2/' input_file

这利用分组来排除第一次和第二次出现的空格之间的匹配。

输出

>sp.A9L976 Photosystem II protein D1 organism=Lemna minor taxid=4472 gene=psbA

Answer 3

要按照您的指定编辑 fasta 文件的标题，请使用这个 Perl 单行：

echo '>sp.A9L976 PSBA_LEMMI Photosystem II protein D1 organism=Lemna minor taxid=4472 gene=psbA' | perl -lpe 's{^(>\S+\s+)\S+\s+}{$1}'

打印：

>sp.A9L976 Photosystem II protein D1 organism=Lemna minor taxid=4472 gene=psbA

请注意，它仅更改 fasta 标头，即使在序列包含空格的相对罕见的情况下，也可以保持序列完整。这在生物信息学应用中很重要：

echo ">sp.A9L976 PSBA_LEMMI Photosystem II protein D1 organism=Lemna minor taxid=4472 gene=psbA\nACTG ACTG ACTG" | perl -pe 's{^(>\S+\s+)\S+\s+}{$1}'

打印：

>sp.A9L976 Photosystem II protein D1 organism=Lemna minor taxid=4472 gene=psbA
ACTG ACTG ACTG

就地编辑文件：

perl -i.bak -lpe 's{^(>\S+\s+)\S+\s+}{$1}' in_file.fasta

Perl 单行代码使用这些命令行标志：
-e：告诉 Perl 查找内联代码，而不是在文件中。
-p：循环输入一行一次，默认分配给$_。在每次循环迭代后添加print $_。
-l：在执行内联代码之前去除输入行分隔符（默认为 *NIX 上的"\n"），并在打印时附加它。
@987654334 @ ：就地编辑输入文件（覆盖输入文件）。在覆盖之前，保存原始文件的备份副本，方法是在其名称后附加扩展名 .bak。

这里，
^：行首。
>：文字“大于”字符，在 fasta 格式规范中标记标题的开始。
\S+： 1 个或多个非空白字符。
\s+：1 个或多个空白字符。
$1：第一个捕获的模式。使用括号进行捕获：(...)。

另请参阅：
perldoc perlrun: how to execute the Perl interpreter: command line switches
perldoc perlre: Perl regular expressions (regexes)