如何在一行中刪除第二個grep匹配？

Question

輸入文件1

BRAF      p.Gly464Val  Non-small cell p.Gly464Val   pathogenic
BAG3      p.His83Gln  AllHighlyPenetrant      p.His83Gln     pathogenic 
EYA4      p.Gly277Ser  AllHighlyPenetrant     p.Gly277Ser    pathogenic

myCmd

egrep "p\.[A-Z][a-z]{1,}[0-9]{1,}[A-Z][a-z]{1,}" file1

預期產量

BRAF      p.Gly464Val  Non-small cell  pathogenic
BAG3      p.His83Gln  AllHighlyPenetrant  pathogenic 
EYA4      p.Gly277Ser  AllHighlyPenetrant  pathogenic 

如何刪除第二個grep匹配？ 任何建議將不勝感激。
n

Answer 1

如果格式不重要：

awk '{$(NF-1)=""}1' file
BRAF p.Gly464Val Non-small cell  pathogenic
BAG3 p.His83Gln AllHighlyPenetrant  pathogenic
EYA4 p.Gly277Ser AllHighlyPenetrant  pathogenic

Answer 2

假定重復的文本始終總是首先出現在第二個字段中：

$ cat input.txt
BRAF      p.Gly464Val  Non-small cell p.Gly464Val   pathogenic
BAG3      p.His83Gln  AllHighlyPenetrant      p.His83Gln     pathogenic
EYA4      p.Gly277Ser  AllHighlyPenetrant     p.Gly277Ser    pathogenic

$ sed -r 's/^([^ ]* *)([^ ]*)(.*)(\2 *)(.*)/\1\2\3\5/' input.txt
BRAF      p.Gly464Val  Non-small cell pathogenic
BAG3      p.His83Gln  AllHighlyPenetrant      pathogenic
EYA4      p.Gly277Ser  AllHighlyPenetrant     pathogenic

說明：

1. 第一個括號匹配第一個字段和之后的空格。
2. 第二括號匹配第二字段。
3. 第三個括號匹配任何文本，直到再次找到第二個字段。
4. 然后匹配重復的第二個字段及其后的任何空格。
5. 匹配最后一個括號中剩余的所有內容。
6. 最后，將其替換為除重復的第二個字段以外的所有內容。

Answer 3

不管格式如何，以下命令都可以執行此工作。

perl -pe 's/(p\.[A-Z][a-z]{1,}[0-9]{1,}[A-Z][a-z]{1,}.*?)p\.[A-Z][a-z]{1,}[0-9]{1,}[A-Z][a-z]{1,}/\1/' file

perl -pe 's/<regex>/<substitution>/' file將用perl -pe 's/<regex>/<substitution>/' file替換所有出現的<regex> <substitution> 。

因此，要分解正則表達式：

(p\\.[AZ][az]{1,}[0-9]{1,}[AZ][az]{1,}.*?)捕獲您的模式以及之后的所有內容，直到達到下一個條件。 ? *表示不貪心，因為您希望它第二次在模式匹配時停止。 如果不放? 並且您有第三個匹配項，或之后有多個匹配項，則它將刪除找到的最后一個匹配項，因為*會捕獲所有可能的內容。

p\\.[AZ][az]{1,}[0-9]{1,}[AZ][az]{1,}第二次我們使用您的圖案。 這次我們不捕獲它（no () ），因為我們還是想丟棄它。

遵循此模式的任何內容都不會被匹配，因此不會受到影響。 然后，我們將\\1 （這是第一個捕獲的組）替換為匹配的部分，因此“忘記”了第二個匹配項。

為什么要在grep上使用perl

Grep是圍繞搜索設計的，因此很容易找到模式，但對輸出進行格式設置卻不那么容易。