我有一个包含多行的文件,如下所示:
NODE_1_length Prodigal:2.6 CDS 11 274 . + 0 ID=PROKKA_00001;inference=ab initio prediction:Prodigal:2.6;locus_tag=PROKKA_00001;product=hypothetical protein
我想提取 ID=PROKKA_[无论数字] 以及“product=”之后的所有内容以获得如下输出:
ID=PROKKA_00001 product=hypothetical protein
我不太熟练使用 sed,所以我尝试调整我在这里和周围找到的一些解决方案,但没有成功。如果解决方案分两步进行(一步用于 ID,一步用于产品),那么我可以将两个结果合并到一个文件中。
如果您能对所使用的正则表达式进行解释,我将不胜感激。
到目前为止,我尝试将问题一分为二(从 ID 开始)并尝试:
grep -o 'ID=PROKKA_[0-9]{1,5}*'
sed 's/^ID=PROKKA[0-9]*;//g/
grep -Po 'ID="K[^"]*'
但当然,它们都不起作用。 感谢您的帮助!
最佳答案
您可以使用grep -oE
:
grep -oE 'ID=PROKKA_[0-9]+|product=[^;:]+' file
ID=PROKKA_00001
product=hypothetical protein
如果您希望结果在同一行,请使用grep + Past
:
grep -oE 'ID=PROKKA_[0-9]+|product=[^;:]+' file | paste -s
关于linux - 使用 sed/awk/grep 从 .gff 文件中提取子字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51363954/