删除列之间的字符串答案

【问题标题】：remove a string between columns删除列之间的字符串
【发布时间】：2015-08-04 22:28:06
【问题描述】：

我正在尝试删除两个字符串之间的文本，但保留模式前后的所有数据。我正在使用的示例文本：

comp117_c0_seq1 len=214 path=[173:0-52 372:53-71 226:72-213]
comp143_c0_seq1 len=285 path=[263:0-226 490:227-284]
comp541_c0_seq1 len=230 path=[1:0-132 134:133-229]  gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

所以目标是删除从“len”开始到“path = [...]”结束的文本。并保留该文本区域之前和之后的所有内容。有人有什么建议吗。我希望输出看起来像：

comp117_c0_seq1 
comp117_c0_seq1
comp541_c0_seq1 gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

提前致谢。

【问题讨论】：

你有没有尝试过？这看起来很简单
也发布预期的输出
嗨，我正在尝试 awking 第一列并填充模式匹配，但我对 sed 的学习不太好，而且由于模式的长度可以变化，我不太确定去做吧。
够简单sed -E 's/len.*path[^]]*\]//'
或者因为 perl 可以识别非贪婪运算符并给出数据的形状：perl -pe 's/len.*?\]//'

标签： regex string awk sed

【解决方案1】：

使用sed

$ sed -r 's/len[^]]*]//' input_file
comp117_c0_seq1 
comp143_c0_seq1 
comp541_c0_seq1   gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

len 匹配 len
[^]]* 否定字符类，匹配除] 以外的任何字符。

* 量词，确保 ] 以外的任何东西 匹配零个或多个 tiems
] 匹配] 结尾处的结尾path

使用awk

$ awk '{sub("len[^]]*]", "")}1' input
comp117_c0_seq1 
comp143_c0_seq1 
comp541_c0_seq1   gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

sub(ere, repl[, in ]) 用字符串 repl 代替第一个实例扩展正则表达式EREin 字符串输入并返回替换次数。
1 始终正确。 awk 采用默认操作打印整条记录。

【讨论】：

【解决方案2】：

从您的示例输入和输出中，您似乎想要删除从 len 到下一个 ] 的所有内容。来了（那是 BSD/Mac sed）：

sed -E 's/len[^]]*\]//'

含义：替换len和每个不是]的字符，然后是]。这在遇到的第一个 ] 处停止。这是因为 sed 是贪婪的。 perl更懂：

perl -pe 's/len.*?\]//'

*? 是非贪婪运算符，因此它只吃下一个令牌不想要的任何东西。

【讨论】：

【解决方案3】：

我会用 sed 来解决这个问题：

cat file | sed -e 's/(^.*)len=.*path=\[[^\]*\](.*)$/\1\2/'

不过，当您发布您的预期输出时，我可能需要修改它。

【讨论】：

好的，谢谢，我添加了预期的输出，并将试一试。感谢您的耐心等待，我刚刚开始学习编程。
您在解决方案中不必要地使用了cat
你真的不需要组捕获
另外，\[.*\] 是贪婪的，所以当路径声明后有更多] 时，整个东西都被这个通配符吃掉了

【解决方案4】：

给定：

$ echo "$tgt"
comp117_c0_seq1 len=214 path=[173:0-52 372:53-71 226:72-213]
comp143_c0_seq1 len=285 path=[263:0-226 490:227-284]
comp541_c0_seq1 len=230 path=[1:0-132 134:133-229]  gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

Perl：

$ echo "$tgt" | perl -lne 'print "$1$2" if /^(\w+)\slen=\d+\sp
ath=\[[^\]]+?\](.*)$/'
comp117_c0_seq1
comp143_c0_seq1
comp541_c0_seq1  gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

或者，

$ echo "$tgt" | perl -lne 'print if s/len[^]]+\] *//'
comp117_c0_seq1 
comp143_c0_seq1 
comp541_c0_seq1 gi|356502740|ref|XP_003520174.1| PREDICTED: uncharacterized protein LOC100809655 [Glycine max]  1.30898e-39 68  76

【讨论】：