如何删除文件中结构相同但内容不同的模式？答案

【问题标题】：How to delete a pattern in a file that have the same structure but different content?如何删除文件中结构相同但内容不同的模式？
【发布时间】：2021-10-10 07:46:36
【问题描述】：

我正在处理一个文件 (.gff3)，其中出现了这种模式（其中 # 对应于数字）：

TRINITY_DN###_c0_g1~~

示例：

BAN_TRINITY_DN0_c0_g1_i1        transdecoder    gene    1       580     .       +       .       ID=TRINITY_DN0_c0_g1~~TRINITY_DN0_c0_g1_i1.p1;Name=ORF%20type%3A5prime_partial%20len%3A190%20%28%2B%29%2Cscore%3D182.16
BAN_TRINITY_DN0_c0_g1_i1        transdecoder    mRNA    1       580     .       +       .       ID=TRINITY_DN0_c0_g1_i1.p1;Parent=TRINITY_DN0_c0_g1~~TRINITY_DN0_c0_g1_i1.p1;Name=ORF%20type%3A5prime_partial%20len%3A190%20%28%2B%29%2Cscore%3D182.16
BAN_TRINITY_DN0_c0_g1_i1        transdecoder    exon    1       580     .       +       .       ID=TRINITY_DN0_c0_g1_i1.p1.exon1;Parent=TRINITY_DN0_c0_g1_i1.p1
BAN_TRINITY_DN0_c0_g1_i1        transdecoder    CDS     1       570     .       +       0       ID=cds.TRINITY_DN0_c0_g1_i1.p1;Parent=TRINITY_DN0_c0_g1_i1.p1
BAN_TRINITY_DN0_c0_g1_i1        transdecoder    three_prime_UTR 571     580     .       +       .       ID=TRINITY_DN0_c0_g1_i1.p1.utr3p1;Parent=TRINITY_DN0_c0_g1_i1.p1

BAN_TRINITY_DN101_c0_g1_i1      transdecoder    gene    1       230     .       -       .       ID=TRINITY_DN101_c0_g1~~TRINITY_DN101_c0_g1_i1.p1;Name=ORF%20type%3Ainternal%20len%3A77%20%28-%29%2Cscore%3D24.09
BAN_TRINITY_DN101_c0_g1_i1      transdecoder    mRNA    1       230     .       -       .       ID=TRINITY_DN101_c0_g1_i1.p1;Parent=TRINITY_DN101_c0_g1~~TRINITY_DN101_c0_g1_i1.p1;Name=ORF%20type%3Ainternal%20len%3A77%20%28-%29%2Cscore%3D24.09
BAN_TRINITY_DN101_c0_g1_i1      transdecoder    exon    1       230     .       -       .       ID=TRINITY_DN101_c0_g1_i1.p1.exon1;Parent=TRINITY_DN101_c0_g1_i1.p1
BAN_TRINITY_DN101_c0_g1_i1      transdecoder    CDS     3       230     .       -       0       ID=cds.TRINITY_DN101_c0_g1_i1.p1;Parent=TRINITY_DN101_c0_g1_i1.p1

我想简单地删除模式，所以输出会是这样的：

BAN_TRINITY_DN0_c0_g1_i1        transdecoder    gene    1       580     .       +       .       ID=TRINITY_DN0_c0_g1_i1.p1;Name=ORF%20type%3A5prime_partial%20len%3A190%20%28%2B%29%2Cscore%3D182.16
BAN_TRINITY_DN0_c0_g1_i1        transdecoder    mRNA    1       580     .       +       .       ID=TRINITY_DN0_c0_g1_i1.p1;Parent=TRINITY_DN0_c0_g1_i1.p1;Name=ORF%20type%3A5prime_partial%20len%3A190%20%28%2B%29%2Cscore%3D182.16
BAN_TRINITY_DN0_c0_g1_i1        transdecoder    exon    1       580     .       +       .       ID=TRINITY_DN0_c0_g1_i1.p1.exon1;Parent=TRINITY_DN0_c0_g1_i1.p1
BAN_TRINITY_DN0_c0_g1_i1        transdecoder    CDS     1       570     .       +       0       ID=cds.TRINITY_DN0_c0_g1_i1.p1;Parent=TRINITY_DN0_c0_g1_i1.p1
BAN_TRINITY_DN0_c0_g1_i1        transdecoder    three_prime_UTR 571     580     .       +       .       ID=TRINITY_DN0_c0_g1_i1.p1.utr3p1;Parent=TRINITY_DN0_c0_g1_i1.p1

BAN_TRINITY_DN101_c0_g1_i1      transdecoder    gene    1       230     .       -       .       ID=TRINITY_DN101_c0_g1_i1.p1;Name=ORF%20type%3Ainternal%20len%3A77%20%28-%29%2Cscore%3D24.09
BAN_TRINITY_DN101_c0_g1_i1      transdecoder    mRNA    1       230     .       -       .       ID=TRINITY_DN101_c0_g1_i1.p1;Parent=TRINITY_DN101_c0_g1_i1.p1;Name=ORF%20type%3Ainternal%20len%3A77%20%28-%29%2Cscore%3D24.09
BAN_TRINITY_DN101_c0_g1_i1      transdecoder    exon    1       230     .       -       .       ID=TRINITY_DN101_c0_g1_i1.p1.exon1;Parent=TRINITY_DN101_c0_g1_i1.p1
BAN_TRINITY_DN101_c0_g1_i1      transdecoder    CDS     3       230     .       -       0       ID=cds.TRINITY_DN101_c0_g1_i1.p1;Parent=TRINITY_DN101_c0_g1_i1.p1

我尝试使用sed 来执行此操作，但是，由于模式在大小和组成方面发生了变化，并且我不知道如何通过考虑到这一点来执行字符删除（我对使用 bash)。

有人知道怎么做吗？？？

【问题讨论】：

你使用的sed命令是什么？
@PierreFrançois 我试过这样的事情sed 's/TRINITY.*~~//' 但它没有用我想可能是因为在线上有很多“TRINITY”
“它不起作用”是什么意思？你的意思是它删除了太多的行吗？我猜它没有删除任何东西，因为正则表达式的* 运算符是贪婪的，它自己消耗了行的剩余部分，然后~~ 不能再匹配任何东西。在下面尝试我的解决方案。

标签： sed replace

【解决方案1】：

类似

sed 's/TRINITY_DN[0-9]*_c0_g1~~//' input.gff3

[0-9]* 匹配任意数量的连续数字。

【讨论】：

【解决方案2】：

如果您同意按照正则表达式的语法编写要删除的模式，只需发出：

PATTERN='TRINITY_DN[0-9][0-9][0-9]_c0_g1~~'
sed "/$PATTERN/s///g" file.gff3

我认为这种模式可能会在一行中出现多次。如果不是这种情况，请删除sed 命令第一个参数末尾的g。

如果您不知道TRINITY_DN 后面会有多少位数，您可以将[0-9][0-9][0-9] 替换为[0-9]*。

如果您需要其他语法来描述您的模式（v.gr. # 而不是 [0-9]），请指定。

【讨论】：