Скопировать несколько строк из одного файла в другой

Я хотел бы использовать grep для копирования из одного файла в другой все строки, которые находятся между строками /protein_id= до конца указанной 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 этот вывод:

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

Обратите внимание, что входные данные могут отличаться в той строке, которая начинается с regulatory можно заменить чем-то другим. Неизменным является то, что последовательность дана заглавными буквами и заканчивается ", Возможно ли это с помощью grep?

Источник

2 ответа

pcregrepэто утилита grep, которая использует регулярные выражения, совместимые с Perl 5. Регулярные выражения в стиле Perl имеют много полезных функций, которых нет в стандартных выражениях 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_idявляется начальным поисковым запросом и "является конечным поисковым запросом.

Вот обобщенный пример команды для многострочного поиска всех строк между начальным и конечным поисковым термином:

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

куда:

  • SOURCE-FILE — это файл, содержащий ваши данные
  • DESTINATION-FILE — файл, в который будут скопированы результаты
  • START-SEARCH-TERM – это начальный поисковый запрос.
  • END-SEARCH-TERM – это конечное условие поиска.
  • -M, --multilineРазрешить шаблонам соответствовать более чем одной строке.
Источник

Нет, grep не может совпадать по нескольким строкам. Вы могли бы сделать это с pcregrep как показано @karel, но не чисто grep, Вместо этого, поскольку вы знаете, что последовательности белка всегда будут в верхнем регистре и будут заканчиваться "Вы можете сопоставить это:

  1. sed

    sed -n '/\/protein_id=/,/^\s*[[:upper:]]\+"\s*$/{p}' two_seq.txt

    sed шаблон /foo/,/bar/{p} означает "печатать все строки между foo а также bar, -n подавляет нормальный вывод, поэтому печатаются только запрошенные строки. Обратите внимание, что / из /protein_id= нужно убежать (\/) поскольку / является частью оператора матча. Второй шаблон немного сложнее, он ищет 0 или более пробелов в начале строки (^\s*), затем одна или несколько заглавных букв, за которыми следует двойная кавычка ([[:upper:]]") и затем 0 или более пробельных символов до конца строки (\s*$).

  2. Perl

    perl -ne 'print if m#/protein_id=# ... m#[A-Z]+"\s*$#' file.flat

    Та же самая идея здесь, ... Оператор задает диапазон и выводятся строки между двумя шаблонами.

  3. awk

    awk '/\/protein_id=/{a=1}; a==1{print} /^\s*[[:upper:]]+"\s*$/{a=0}' file.flat

    Здесь мы устанавливаем переменную a в 1 если линия соответствует первому шаблону и 0 если это соответствует последнему. Затем мы говорим awk напечатать если a является 1, Поскольку print называется раньше a установлен в 0 для второго шаблона это также будет включать в себя строку, содержащую второй шаблон.

Источник
Другие вопросы по тегам