如何使用sed或Perl刪除多行塊中的部分行？

Question

我有一些看起來像這樣的數據。 它有四個塊。 每個塊都以@字符開頭。

@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

在每個塊的第三行，我想刪除+字符后面的文本，導致：

@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中有一個緊湊的方法嗎？

Answer 1

假設你只是不想盲目地刪除以+開頭的每一行的其余部分，那么你可以這樣做：

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

產量

$ 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：雖然在上面的命令鍵@ ，以確定是否有一個線+應該改變，它仍然會改變二號線如果碰巧也有啟動+ 。 這聽起來並非如此，但如果你想排除這個角落的情況，下面的小改動將防止這種情況：

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

產量

$ 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遠不會有+，而第三行總是一行：

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

所有那些假設@只出現在一個塊的開頭。 如果它可能出現在其他地方，那么：

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

Answer 3

如果你可以使用awk，你可以這樣做：

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

因此，如果gawk在行的開頭看到一個@ ，它將被打印，然后下一行將被打印&&打印，最后啜飲第3行（在@ ），並僅打印+ 。

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

（如果你安裝了perl ，很可能會有一個a2p可執行文件，可以將上面的awk腳本轉換為perl，如果你想......）

HTH

更新 （缺少第4行）：

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

這也應該打印第4行。

Answer 4

也許只是sed '/^@/+2 s/+.*/+/'

編輯 ：這將無法正常工作，但作為vim命令，它應該工作：

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

Answer 5

這可能對你有用：

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

或者使用GNU sed：

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