linux – Grep / awk / sed用于仅由两个字母组成的行,以及以字母开头并满足一定长度的行
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了linux – Grep / awk / sed用于仅由两个字母组成的行,以及以字母开头并满足一定长度的行，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1684字，纯文字阅读大概需要3分钟。
内容图文
不确定有多少人熟悉DNA测序数据,但如果这是我文件的一部分(以“>”开头的行是ID,以字母开头的行是DNA序列)：
>NB501013:9:HJJ75BGXX:4:13609:24076:18015/2
GGGGGGGAAAAAAA
>NB501013:9:HJJ75BGXX:4:21602:19346:16945/2
CTCGTCGCATCACAAAGGGAT
>NB501013:9:HJJ75BGXX:3:11407:17650:13229/2
CCGCGGGCCGGTGCGGGGGTTTTTTTGTTTTTTTGGTTACAACGGGTGGG
>NB501013:9:HJJ75BGXX:3:13509:1817:13239/2
CAGCCC
>NB501013:9:HJJ75BGXX:4:22611:20567:13384/2
GAATA
我想删除该行：
GGGGGGGAAAAAAA
连同它的排序ID(我知道你可以使用grep -B1来做到这一点).但是有谁知道如何删除仅由两个字母组成的行？
另外,对于短于5个字母的序列,我想删除它们的ID,我不能简单地grep长于一定长度的行,因为所有ID都很长,所以我需要以某种方式使用grep -v在以字母开头的行上(因此不以“>”开头)并且长于某个长度.
因此,我的示例输出将是：
>NB501013:9:HJJ75BGXX:4:21602:19346:16945/2
CTCGTCGCATCACAAAGGGAT
>NB501013:9:HJJ75BGXX:3:11407:17650:13229/2
CCGCGGGCCGGTGCGGGGGTTTTTTTGTTTTTTTGGTTACAACGGGTGGG
>NB501013:9:HJJ75BGXX:3:13509:1817:13239/2
CAGCCC
解决方法:
尝试使用Perl兼容的REgexp模块给grep：
>删除两个字母组合：
pcregrep -Mv '>.*\n([ACGT])\1*([ACGT])\2*(\1|\2)*$' file
输出：
>NB501013:9:HJJ75BGXX:4:21602:19346:16945/2
CTCGTCGCATCACAAAGGGAT
>NB501013:9:HJJ75BGXX:3:11407:17650:13229/2
CCGCGGGCCGGTGCGGGGGTTTTTTTGTTTTTTTGGTTACAACGGGTGGG
>NB501013:9:HJJ75BGXX:3:13509:1817:13239/2
CAGCCC
>NB501013:9:HJJ75BGXX:4:22611:20567:13384/2
GAATA
>删除5个字母或更少的组合：
pcregrep -Mv '>.*\n[ACGT]{1,5}$' file
输出：
>NB501013:9:HJJ75BGXX:4:13609:24076:18015/2
GGGGGGGAAAAAAA
>NB501013:9:HJJ75BGXX:4:21602:19346:16945/2
CTCGTCGCATCACAAAGGGAT
>NB501013:9:HJJ75BGXX:3:11407:17650:13229/2
CCGCGGGCCGGTGCGGGGGTTTTTTTGTTTTTTTGGTTACAACGGGTGGG
>NB501013:9:HJJ75BGXX:3:13509:1817:13239/2
CAGCCC
内容总结
以上是互联网集市为您收集整理的linux – Grep / awk / sed用于仅由两个字母组成的行,以及以字母开头并满足一定长度的行全部内容，希望文章能够帮你解决linux – Grep / awk / sed用于仅由两个字母组成的行,以及以字母开头并满足一定长度的行所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。