从.gff文件中使用sed / awk / grep提取子字符串

Question

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_ [任何数字]和'product ='之后的所有内容，以获得如下输出：

ID=PROKKA_00001 product=hypothetical protein

我在使用sed方面不是很熟练，因此我尝试调整一些在这里和周围找到的解决方案，但没有成功。 如果解决方案分两个步骤（一个用于ID，一个用于产品），也可以，那么我可以将两个结果合并到一个文件中。

如果您能说明所用的正则表达式，将不胜感激。

到目前为止，我尝试将问题一分为二（从ID出发）并尝试：

grep -o 'ID=PROKKA_[0-9]{1,5}*'
sed 's/^ID=PROKKA[0-9]*;//g/
grep -Po 'ID="K[^"]*'

但当然他们都不起作用。 感谢您的帮助！

Answer 1

您可以使用grep -oE ：

grep -oE 'ID=PROKKA_[0-9]+|product=[^;:]+' file

ID=PROKKA_00001
product=hypothetical protein

如果要在同一行中显示结果，请使用grep + paste ：

grep -oE 'ID=PROKKA_[0-9]+|product=[^;:]+' file | paste -s