删除两个字符串之间的文本 sed, awk答案

【问题标题】：Delete Text between two strings sed, awk删除两个字符串之间的文本 sed, awk
【发布时间】：2015-11-10 09:34:20
【问题描述】：

我正在寻找解决方案，但找不到合适的解决方案。

我想删除每行两个字符串之间的所有字符。

输入是一个 Fasta 文件：

>CAM_P0000101_READ_00457523 /accession=CAM_P0000101_READ_00457523 /xy=2625_3790 /region=2 /run=R_2008_08_11_16_51_31_ /length=253 /sample_id=1309720343513924875 /sample_acc=CAM_P0000101_SMPL_PAPUT2 /sample_name=CAM_P0000101_SMPL_PAPUT2 /site_id_n=CAM_P0000101_SITE_PAPUT2
GTGCCTTCGGGAACCGGGTGACAGGTGCTGCATGGCTGTCGTCAGCTCGTGTCGTGAGATGTTGGGTTAAGTCCCGTAACGAGCGCAACCCTTGTCCTTAGTTGCCAGCACGTAATGGTGGGAACTCTAAGGAGACTGCCGGTGACAAACCGGAGGAAGGTGGGGACGACGTCAAGTCATCATGGCCCTTACGGCCTGGGCTACACACGTGCTACAATGGCTAGGACAGACGGCTGCAAACCNGCGAGTGGGG
>CAM_P0000101_READ_00460168 /accession=CAM_P0000101_READ_00460168 /xy=2199_0493 /region=2 /run=R_2008_08_11_16_51_31_ /length=233 /sample_id=1309720343513924875 /sample_acc=CAM_P0000101_SMPL_PAPUT2 /sample_name=CAM_P0000101_SMPL_PAPUT2 /site_id_n=CAM_P0000101_SITE_PAPUT2
TTTACCGCGGCTGCTGGCACGAAGTTAGCCGGACCTTATTCTTCGGGTACAGTCATTATCTTTCCCGACAAAAGAGCTTTACAACCCAAGGGCCTTCTTCACTCACGCGGCATCGCTGCATCAGGCTTTCGCCCATTGTGCAAGATTCCCCACTGCTGCCTCCCGTAGGAGTCTGGGCCGTATCTCAGTCCCAGTGTGGCTGATCATCCTCTACAAATCAGCTATTGATTACT

我想删除第一个>CAM_P* 到/sample_name=* 之后的所有文本以及sample_name.* 之后的所有文本

>CAM_* /sample_name=* 应该只保留这两件事。

所有这些都应该删除：

/accession=CAM_P0000101_READ_00457523 /xy=2625_3790 /region=2 /run=R_2008_08_11_16_51_31_ /length=253 /sample_id=1309720343513924875 /sample_acc=CAM_P0000101_SMPL_PAPUT /site_id_n=CAM_P0000101_SITE_PAPUT2

谁能帮帮我？

【问题讨论】：

你的预期输出是什么？
你为什么不直接print ">CAM_* /sample_name=*" 而不是为任何替换而烦恼？您有 2 行输入但只有 1 行输出 - 为什么？
GTGCCTTCGGGAACCG... 怎么样？您要删除还是保持原样？

标签： bash awk sed substitution

【解决方案1】：

这个怎么样：

sed 's/\(>CAM_P[^ ]*\).*\(\/sample_name=[^ ]*\).*/\1 \2/' filename

【讨论】：

【解决方案2】：

求救

awk '{line=""; sep=""; p=q=0; 
      for(i=1;i<=NF;i++) {
          if(!p && $i~/CAM_P/) {
              p=1;
              line=line sep $i;
              sep=FS
          } else if(!q && $i~/sample_name/) {
              q=1;
              line=line sep $i;
              sep=FS
          }
       } 
       print line
      }'

grep 的另一种选择

grep -o ">CAM_P\w*\|/sample_name=\w*" filename | awk 'ORS=NR%2?FS:RS'

只匹配两个单词并合并输出的两行

【讨论】：

谢谢，但我收到一条错误消息：
awk -f short_name_fasta.awk test
awk: short_name_fasta.awk:3: awk '{line=""; sep="";
awk: short_name_fasta.awk:3: ^ invalid char ''' in expression
awk: short_name_fasta.awk:3: awk '{line=""; sep="";
awk: short_name_fasta.awk:3: ^ 语法错误
脚本中不应包含awk，也不应包含单引号。请确认。仅包括单个引号之间的内容。或者，您的复制/粘贴可能从网页中抓取了一些无效字符。
没问题。如果它是您正在寻找的，请接受答案。