仅当线以相同字符开头的线之后，我才能删除该行

Question

我需要在SED或尴尬方面提供一些帮助。

只有在线下的线以相同字符开始的行（在这种情况下）？

时，我才能删除该行

示例我有这个：

>1_SRR1422294
ATCGTCAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAT
>2_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>5_SRR1422298
>5_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>6_SRR1422294
>6_SRR1422250
TGTTCATGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC
>9_SRR1422294
GCGACTAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC

我想得到这个：

>1_SRR1422294
ATCGTCAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAT
>2_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>5_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>6_SRR1422250
TGTTCATGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC
>9_SRR1422294
GCGACTAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC

请注意，并非所有的线都具有相同的数字，但是它们都具有相同的格式，这就是为什么我要使用正则表达式的原因。如果您可以解释如何读取您制作的代码真的很棒。

非常感谢！

Answer 1

如果整个文件都遵循该模式（以>开头的一些行，您只想要最后一个，然后是应始终打印的单行），则可以使用这样的东西：

awk '/^>/ { latest=$0 } !/^>/ { if (latest) { print latest; latest="" } print }'

如果该行以>开头，则记住它（存储在变量latest中），但未打印。如果该行不以>开头，则将其打印，但仅在首次打印了最近存储在latest中的内容后。

条件意味着即使连续有多个非>行，每条打印的>行也只会出现一次。由于您的示例数据不会发生这种情况，因此您可能不需要并发症，并且可以使用此简单的无条件版本：

awk '/^>/ { latest=$0 } !/^>/ { print latest; print }'

Answer 2

只需使用uniq命令与-w（--check-chars=N）选项：

，可以轻松实现所需的结果。

cat testfile | uniq -w 3

输出：

>1_SRR1422294
ATCGTCAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAT
>2_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>5_SRR1422298
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>6_SRR1422294
TGTTCATGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC
>9_SRR1422294
GCGACTAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC

---

-w， - check-chars = n
＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp; nbsp; nbsp;＆nbsp;＆nbsp;＆nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp》中的比较不超过行中的 n 字符

http://man7.org/linux/man-pages/man1/uniq.1.html

---

它将比较每行的第一个 n 字符，以决定重复行

Answer 3

尝试：如果您的数据与给定的sample input_file相同，那么以下可能会帮助您。

awk '/^>/{A=$0;next} {print A ORS $0;A=""}'  Input_file

Answer 4

这可能对您有用（gnu sed）：

sed 'N;/^>.*n>/!P;D' file

在模式空间中读取两条线，如果第一行和第二行以>开头，则不会打印第一条行。

Answer 5

sed 'N;/^>.*nw/!D' file #(GNU sed)

n：将下一行阅读到模式空间中。
/>/2.* n W/！：如果第一行以">"开头，则删除第一行，而第二行不会以字母