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_[无论什么数字]和"product="之后的所有内容,以获得这样的输出:
ID=PROKKA_00001 product=hypothetical protein
我在使用sed方面不是很熟练,所以我试图调整我在这里和周围找到的一些解决方案,但没有成功。如果解决方案分为两个步骤(一个用于ID,一个用于产品(,那么我可以将这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,我试图将问题一分为二(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[^"]*'
当然,它们都不起作用。谢谢你的帮助!
您可以使用grep -oE
:
grep -oE 'ID=PROKKA_[0-9]+|product=[^;:]+' file
ID=PROKKA_00001
product=hypothetical protein
如果您想在同一行中得到结果,请使用grep + paste
:
grep -oE 'ID=PROKKA_[0-9]+|product=[^;:]+' file | paste -s