如何在多行上grep不同的字符串，后跟一个制表符

Question

抱歉，我找不到对我有用的答案。在使用Cygwin和/或Gitbash的Win10机器上工作时，我有一个序列读取名称("readsfile"(文件，后面是其他信息，所有信息都用制表符分隔。读取文件如下所示：

NB501827:133:HMV5HAFX2:1:11101:3747:1066    75  NODE_622711+_length_75_cov_990.55   100.000 43
NB501827:133:HMV5HAFX2:1:11101:8852:1068    74  NODE_622752+_length_4244_cov_356.337    100.000 74

我想简单地使用grep来解析读取的名称，直到每行的第一个选项卡，将结果输出到一个单独的文件"；readnames.txt"；。不包括"；选项卡"；角色会是一个加分项，但以后可以修复。输出文件"；readnames.txt"；应该是：

NB501827:133:HMV5HAFX2:1:11101:3747:1066
NB501827:133:HMV5HAFX2:1:11101:3747:1066
NB501827:133:HMV5HAFX2:1:11101:8852:1068

(目前，重复读取的名称是可以的(我已经尝试了在这个网站上找到的许多解决方案。考虑到grep与egrp与grep-E、与Perl-grep的一些例子包括：

grep -oE $'^*t' readsfile > readnames.txt
egrep '^NB*t' readsfile > readnames.txt
grep -oE '^NB'$'t' readsfile > readnames.txt
grep -oP 'NB*t' readsfile > readnames.txt
grep -o $'NB*t' readsfile > readnames.txt
grep -oE ^NB*$'t' readsfile > readnames.txt
grep -o '[NB*|[[:space:]]]' readsfile > readnames.txt
grep -o ^NB*[[:space:]] readsfile > readnames.txt
grep -o $"NB*$'t'" readsfile > readnames.txt
grep -o <NB*> readsfile > readnames.txt

注意，我还使用脚本来包括"；实际的"；使用<Cntrl-V><tab>的选项卡或在命令行使用的大多数组合中的CCD_ 3或CCD_。

还有一些其他不成功的解决方案：

sed -n 's/NB*t/&/p' readsfile > readnames.txt
sed -n 's/*t/&/p' readsfile > readnames.txt

我怀疑这已经完成了，但需要帮助。谢谢。

Answer 1

如果您希望删除第一个选项卡之后的所有内容，包括该选项卡，则此sed将执行sed 's/t.*//g'

或者，sed 's/([^t]*)t.*/1/g'找到重复任意次数的任何非制表符，然后是制表符和任意数量的字符，捕获直到第一个制表符的位，并将其吐出。

awk也能很好地处理制表符分隔的输入。awk -F't' '!a[$1]++ {print}'将为每一行打印出已消除重复数据的第一个字段(用制表符分隔(。这是通过插入和递增第一个字段中键控的数组的值来实现的，所以第一次遇到它时，它的计算结果为！0，所以打印被激发，并且以后每次看到值时都是！1.2等，评估为假而不打印。

Answer 2

根据zzevann的说法，只要您的列由可以用正则表达式描述的内容分隔，awk就是您的朋友。

在这种特殊情况下，

$ awk '{print $1}' filename > newfile

做你想做的事。默认情况下，awk在空白处分隔字段，并且您的第一个字段没有空白，所以您是金色的。如果是这样，您可以使用awk的-F选项来告诉它在选项卡上中断，或者其他什么。

对我来说，你遇到困难的线索是

我想简单地使用grep来解析读取的名称

grep(1(将查找内容，但它不会解析：它不会更改行或输出其中的一部分。

要只在第一次遇到第一个字段时打印它，我会使用

$ awk '!a[$1]++ {print $1}' filename > newfile

或

$ awk '{print $1}' filename | uniq > newfile

或

$ awk '{print $1}' filename | sort | uniq > newfile

或

$ awk '{print $1}' filename | sort -u > newfile

取决于月相。；-(