如何使用sed或Perl删除多行块中的部分行？

Question

我有一些看起来像这样的数据。 它有四个块。 每个块都以@字符开头。

@SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
AAAAAAAAAAAAAAAAAAAAAAAAAAA
+SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
::::::::::::::::::::::::;;8
@SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
TATAACCAGAAAGTTACAAGTAAACAC
+SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
888888888888888888888888888

在每个块的第三行，我想删除+字符后面的文本，导致：

@SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
AAAAAAAAAAAAAAAAAAAAAAAAAAA
+
::::::::::::::::::::::::;;8
@SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
TATAACCAGAAAGTTACAAGTAAACAC
+
888888888888888888888888888

在sed或Perl中有一个紧凑的方法吗？

Answer 1

假设你只是不想盲目地删除以+开头的每一行的其余部分，那么你可以这样做：

sed '/^@/{N;N;s/\n+.*/\n+/}' infile

产量

$ sed '/^@/{N;N;s/\n+.*/\n+/}' infile
@SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
AAAAAAAAAAAAAAAAAAAAAAAAAAA
+
::::::::::::::::::::::::;;8
@SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
TATAACCAGAAAGTTACAAGTAAACAC
+
888888888888888888888888888
+Dont remove me

*注：虽然在上面的命令键@ ，以确定是否有一个线+应该改变，它仍然会改变二号线如果碰巧也有启动+ 。 这听起来并非如此，但如果你想排除这个角落的情况，下面的小改动将防止这种情况：

sed '/^@/{N;N;s/\(.*\)\n+.*/\1\n+/}' infile

产量

$ sed '/^@/{N;N;s/\(.*\)\n+.*/\1\n+/}' ./infile
@SRR037212.1 FC30L5TAA_102708:7:1:741:1355 length=27
+AAAAAAAAAAAAAAAAAAAAAAAAAAA
+
::::::::::::::::::::::::;;8
@SRR037212.2 FC30L5TAA_102708:7:1:1045:1765 length=27
TATAACCAGAAAGTTACAAGTAAACAC
+
888888888888888888888888888
+Dont remove me

Answer 2

如果第一行或第二行上永远不会有+，而第三行总是一行：

perl -0100pi -e's/\+.*/+/' datafile

除此以外：

perl -0100pi -e's/^((?:.*\n){2}.*?\+).*/$1/' datafile

或者在5.10+上：

perl -0100pi -e's/^(?:.*\n){2}.*?\+\K.*//' datafile

所有那些假设@只出现在一个块的开头。 如果它可能出现在其他地方，那么：

perl -pi -e's/\+.*/+/ if $. % 4 == 3' datafile

Answer 3

如果你可以使用awk，你可以这样做：

 gawk '{if ($0 ~ /^@/ ) { print ; getline ; print ; getline ; print "+"}}' INPUTFILE

因此，如果gawk在行的开头看到一个@ ，它将被打印，然后下一行将被打印&&打印，最后啜饮第3行（在@ ），并仅打印+ 。

如果+不在行的开头，则可以使用gensub(/\\+.*/,"+",$0)而不是最后一次print中的"+" 。

（如果你安装了perl ，很可能会有一个a2p可执行文件，可以将上面的awk脚本转换为perl，如果你想......）

HTH

更新 （缺少第4行）：

 gawk '{if ($0 ~ /^@/ ) { print ; getline ; print ; getline ; print "+"; getline; print }}' INPUTFILE

这也应该打印第4行。

Answer 4

也许只是sed '/^@/+2 s/+.*/+/'

编辑 ：这将无法正常工作，但作为vim命令，它应该工作：

vim file -c ':g/^@/+2s/+.*/+/' -c 'wq'

Answer 5

这可能对你有用：

sed '/^@/{$!N;$!N;$!N;s/\n+[^\n]*/\n+/g}' file

或者使用GNU sed：

sed '/^@/,+3s/^+.*/+/' file