使用 sed 重命名文本文件中的特定行

Question

我有一个看起来像这样的文件：

>alks|keep1|aoiuor|lskdjf
ldkfj
alksj
asdflkj
>jhoj_kl|keep2|kjghoij|adfjl
aldskj
alskj
alsdkj

我想只编辑以>开头的行，最好是就地编辑，以获取文件：

>keep1
ldkfj
alksj
asdflkj
>keep2
aldskj
alskj
alsdkj

我知道原则上这可以通过 sed/awk/cut 的各种组合来实现，但我一直无法找出正确的组合。 理想情况下它应该很快——文件有数百万行，而且许多行也很长。

关于我要编辑的行的关键内容：

• 始终以>开头
• 我想保留的位总是在第一个和第二个 pipe 符号之间| （因此思考cut会有所帮助
• 我想保留的位有字母数字符号，有时还有下划线。 同一行字符串的 rest 可以有任何符号

我尝试过的似乎很有帮助

（我的大多数 sed 尝试都是纯垃圾）

cut -d '|' -f 2  test.txt

得到我想要的字符串，它也保留其他行。 所以它很接近，但是（当然）它不会在cut应用的行上保留初始> ，因此它缺少解决方案的关键部分。

Answer 1

使用sed ：

sed -E '/^>/ s/^[^|]+\|([^|]+).*/>\1/'

• /^>/到 select 以>开头的行，对于给定的样本不是绝对必要的，但有时这比单独使用s提供更快的结果
• ^[^|]+\| 这将匹配非| 从行首开始的字符
• ([^|]+)捕获第二个字段
• .* rest 的线
• >\1替换字符串，其中\1将具有([^|]+)的内容

如果您的输入只有 ASCII 字符，这将为您提供更快的结果：

LC_ALL=C sed -E '/^>/ s/^[^|]+\|([^|]+).*/>\1/'

定时

• 通过从给定的输入样本创建一个大文件来检查时序结果， awk更快，而mawk甚至更快
• 但是，OP报告说sed解决方案对于实际数据更快

Answer 2

使用您显示的示例，您可以简单地尝试以下操作。 在此代码中，我们将字段分隔符设置为| 对于 Input_file 的所有行，然后在主程序中检查行是否从>开始，然后打印第二个字段，否则打印完整的行。

awk -F'|' '/^>/{print ">"$2;next} 1' Input_file

说明：为上述添加详细说明。

awk -F'|' '     ##Starting awk program from here and setting field separator as | here.
/^>/{           ##Checking condition if line starts from > then do following.
  print ">"$2   ##Printing 2nd field of current line here.
  next          ##next will skip all further statements from here.
}
1               ##Will print current line.
' Input_file    ##mentioning Input_file name here.

Answer 3

您还可以使用以下awk命令：

awk  -F\| '/^>/{print ">"$2} !/^>/{print}' file
# Inplace replacement with gawk (GNU awk)
gawk -i inplace  -F\| '/^>/{print ">"$2} !/^>/{print}' file
# "Inline-like" replacement with any awk
awk -F\| '/^>/{print ">"$2} !/^>/{print}' file > tmp && mv tmp file

这里，

• -F\| - 将字段分隔符设置为| 字符
• /^>/是条件：如果行以<开头（而!/^>/表示相反）
• {print ">"$2}打印字段 2 的值，并在其前面加上>字符
• {print}只是打印整行。

请注意，由于!/^>/{print}可以简化为!/^>/因为print是默认操作。

查看在线演示：

s='>alks|keep1|aoiuor|lskdjf
ldkfj
alksj
asdflkj
>jhoj_kl|keep2|kjghoij|adfjl
aldskj
alskj
alsdkj'
awk  -F\| '/^>/{print ">"$2} !/^>/{print}' <<< "$s"

Output：

>keep1
ldkfj
alksj
asdflkj
>keep2
aldskj
alskj
alsdkj