скопировать несколько строк из одного файла в другой

Question 1

Я хотел бы использовать grep для копирования из одного файла в другой всех строк, которые находятся между строками /protein_id=, до конца показанной последовательности белка. Например, из этого ввода:

 CDS             448..1269
                 /gene="nptII"
                 /note="neomycin phosphotransferase II"
                 /codon_start=1
                 /product="kanamycin resistance protein"
                 /protein_id="AAQ05967.1"
                 /db_xref="GI:33320494"
                 /translation="MAITLSATSLPISARIRAGSPAAWVERLFGYDWAQQTIGCSDAA
                 VFRLSAQGRPVLFVKTDLSGALNELQDEAARLSWLATTGVPCAAVLDVVTEAGRDWLL
                 LGEVPGQDLLSSHLAPAEKVSIMADAMRRLHTLDPATCPFDHQAKHRIERARTRMEAG
                 LVDQDDLDEEHQGLAPAELFARLKARMPDGEDLVVTHGDACLPNIMVENGRFSGFIDC
                 GRLGVADRYQDIALATRDIAEELGGEWADRFLVLYGIAAPDSQRIAFYRLLDEFF"
  regulatory      1443..2148

я хотел бы получить этот вывод:

                 /protein_id="AAQ05967.1"
                 /db_xref="GI:33320494"
                 /translation="MAITLSATSLPISARIRAGSPAAWVERLFGYDWAQQTIGCSDAA
                 VFRLSAQGRPVLFVKTDLSGALNELQDEAARLSWLATTGVPCAAVLDVVTEAGRDWLL
                 LGEVPGQDLLSSHLAPAEKVSIMADAMRRLHTLDPATCPFDHQAKHRIERARTRMEAG
                 LVDQDDLDEEHQGLAPAELFARLKARMPDGEDLVVTHGDACLPNIMVENGRFSGFIDC
                 GRLGVADRYQDIALATRDIAEELGGEWADRFLVLYGIAAPDSQRIAFYRLLDEFF"

Обратите внимание, что вход может отличаться тем, что строка, начинающаяся с regulatory, может быть заменена на что-то другое. Неизменным является то, что последовательность дана заглавными буквами и заканчивается знаком ". Возможно ли это с помощью grep?

Question 2

pcregrep - это утилита grep, которая использует регулярные выражения, совместимые с Perl 5. Регулярные выражения в стиле Perl имеют много полезных функций, которых нет в стандартных POSIX. Это в основном то же самое, что и grep, но с другим синтаксисом регулярного выражения.

sudo apt-get install pcregrep  
pcregrep -M .*'/protein_id=.*(\n|.)*\"' path/to/input-file

/ protein_id - это начальный критерий поиска, а « - конечный критерий поиска.

Вот обобщенный пример команды для выполнения многострочного поиска для всех строк, которые находятся между начальный термин поиска и конечный термин поиска:

pcregrep -M .*'START-SEARCH-TERM.*(\n|.)*END-SEARCH-TERM' path/to/SOURCE-FILE >> path/to/DESTINATION-FILE

где:

ИСТОЧНИК-ФАЙЛ - это файл, содержащий ваши данные
ФАЙЛ-НАЗНАЧЕНИЕ - это файл, в который будут скопированы результаты
НАЧАЛО-ПОИСК-СРОК - термин начала поиска
END-SEARCH-TERM - термин конца поиска
-M, --multiline Разрешить шаблонам соответствовать более чем одной строке.

Question 3

Question 4

Нет, grep не может соответствовать через несколько строк. Вы могли сделать это с pcregrep как показано @karel, но не чистый grep. Вместо этого так как Вы знаете, что последовательности белка всегда будут в ВЕРХНЕМ РЕГИСТРЕ и закончатся ", Вы могли соответствовать этому:

sed
```
sed -n '/\/protein_id=/,/^\s*[[:upper:]]\+"\s*$/{p}' two_seq.txt
```
sed шаблон /foo/,/bar/{p} означает, "печатают все строки между foo и bar. -n подавляет нормальный вывод поэтому, только строки, которые требуют, печатаются. Обратите внимание что / из /protein_id= потребности, которых оставят (\/) потому что / часть оператора соответствия. Второй шаблон немного более сложен, он ищет 0 или больше пробелов в начале строки (^\s*), затем одна или несколько прописных букв, сопровождаемых двойной кавычкой ([[:upper:]]") и затем 0 или больше пробельных символов до конца строки (\s*$).
Perl
```
perl -ne 'print if m#/protein_id=# ... m#[A-Z]+"\s*$#' file.flat 
```
Та же идея здесь, ... оператор указывает диапазон, и строки между этими двумя шаблонами печатаются.
awk
```
awk '/\/protein_id=/{a=1}; a==1{print} /^\s*[[:upper:]]+"\s*$/{a=0}' file.flat 
```
Здесь, мы устанавливаем переменную a кому: 1 если строка соответствует первому шаблону и к 0 если это соответствует последнему. Затем говорим мы awk распечатать если a 1. Начиная с print назван прежде a установлен на 0 для второго шаблона это будет включать строку, содержащую второй шаблон также.

karel · Answer 1 · 25 March 2015 в 12:03

pcregrep - это утилита grep, которая использует регулярные выражения, совместимые с Perl 5. Регулярные выражения в стиле Perl имеют много полезных функций, которых нет в стандартных POSIX. Это в основном то же самое, что и grep, но с другим синтаксисом регулярного выражения.

sudo apt-get install pcregrep  
pcregrep -M .*'/protein_id=.*(\n|.)*\"' path/to/input-file

/ protein_id - это начальный критерий поиска, а « - конечный критерий поиска.

Вот обобщенный пример команды для выполнения многострочного поиска для всех строк, которые находятся между начальный термин поиска и конечный термин поиска:

pcregrep -M .*'START-SEARCH-TERM.*(\n|.)*END-SEARCH-TERM' path/to/SOURCE-FILE >> path/to/DESTINATION-FILE

где:

ИСТОЧНИК-ФАЙЛ - это файл, содержащий ваши данные
ФАЙЛ-НАЗНАЧЕНИЕ - это файл, в который будут скопированы результаты
НАЧАЛО-ПОИСК-СРОК - термин начала поиска
END-SEARCH-TERM - термин конца поиска
-M, --multiline Разрешить шаблонам соответствовать более чем одной строке.

terdon · Answer 2 · 25 March 2015 в 18:21

Нет, grep не может соответствовать через несколько строк. Вы могли сделать это с pcregrep как показано @karel, но не чистый grep. Вместо этого так как Вы знаете, что последовательности белка всегда будут в ВЕРХНЕМ РЕГИСТРЕ и закончатся ", Вы могли соответствовать этому:

sed
```
sed -n '/\/protein_id=/,/^\s*[[:upper:]]\+"\s*$/{p}' two_seq.txt
```
sed шаблон /foo/,/bar/{p} означает, "печатают все строки между foo и bar. -n подавляет нормальный вывод поэтому, только строки, которые требуют, печатаются. Обратите внимание что / из /protein_id= потребности, которых оставят (\/) потому что / часть оператора соответствия. Второй шаблон немного более сложен, он ищет 0 или больше пробелов в начале строки (^\s*), затем одна или несколько прописных букв, сопровождаемых двойной кавычкой ([[:upper:]]") и затем 0 или больше пробельных символов до конца строки (\s*$).
Perl
```
perl -ne 'print if m#/protein_id=# ... m#[A-Z]+"\s*$#' file.flat 
```
Та же идея здесь, ... оператор указывает диапазон, и строки между этими двумя шаблонами печатаются.
awk
```
awk '/\/protein_id=/{a=1}; a==1{print} /^\s*[[:upper:]]+"\s*$/{a=0}' file.flat 
```
Здесь, мы устанавливаем переменную a кому: 1 если строка соответствует первому шаблону и к 0 если это соответствует последнему. Затем говорим мы awk распечатать если a 1. Начиная с print назван прежде a установлен на 0 для второго шаблона это будет включать строку, содержащую второй шаблон также.

скопировать несколько строк из одного файла в другой

2 ответа

Другие вопросы по тегам:

Похожие вопросы: