代码之家  ›  专栏  ›  技术社区  ›  justaguy

sed设置文件中提取文本的格式

sed
  •  0
  • justaguy  · 技术社区  · 9 年前

    我正在使用 sed

    1. $2
    2. 中的所有逗号 $3 ;
    3. $3
    4. 输出中有3个制表符删除字段

    文件

    81201 APC   gene analysis; full gene sequence
    81210 BRAF  , gene analysis, full gene sequence, V600 variant
    

    81201   APC gene analysis;full gene sequence
    81210   BRAF    gene analysis;full gene sequence;V600 variant
    

    sed公司

    sed -e 's/([^()]*)//g' file.txt | sed '$!N;s/\n/ /' > file
    

    81201 APC (adenomatous polyposis coli) (eg, familial adenomatosis 
    polyposis [FAP], attenuated FAP) gene
    analysis; full gene sequence
    81210 BRAF (B-Raf proto-oncogene, serine/threonine kinase) (eg, colon 
    cancer), gene analysis, V600 variant(s)
    
    1 回复  |  直到 9 年前
        1
  •  1
  •   Mad Physicist    9 年前

    我不确定显示的命令是否按预期工作,但由于这不是您问题的一部分,我将忽略它。

    下面是一种使用两个相对简单的表达式进行最终清理的方法:

    sed -e 's/^\s*\([^ \t]\+\)\s\+\([^ \t]\+\)\s\+[,;]\?\s*\(.*\)/\1\t\2\t\3/' \
        -e 's/[,;]\s*/;/g'
    

    sed \s\+ .

    取决于您的版本 sed公司 ,您可能需要稍微玩一下转义。您可能还需要更换 \s [ \t]

    输入

    81201 APC   gene analysis; full gene sequence
    81210 BRAF  , gene analysis, full gene sequence, V600 variant
    

    输出

    81201   APC     gene analysis;full gene sequence
    81210   BRAF    gene analysis;full gene sequence;V600 variant
    
    推荐文章