grep (bash) 多行模式

Question

在 bash (4.3.46(1)) 中，我有一些多行所谓的 fasta 记录，其中每条记录都是由在线启动的 >name 和以下几行 DNA 序列 ([AGCTNacgtn] ), 这里有3条记录:

>chr1
AGCTACTTTT
AGGGNGGTNN
>chr2
TTGNACACCC
TGGGGGAGTA
>chr3
TGACGTGGGT
TCGGGTTTTT

如何使用 bash grep 获取第二条记录？在其他语言中，人们可能会使用：

>chr2\n([AGCTNagctn]*\n)*

在 Bash 中，我尝试使用 here（以及其他 SO）中的想法。这没有用：

grep -zo '>chr2[AGCTNacgtn]+' file

结果应该是：

>chr2
TTGNACACCC
TGGGGGAGTA

解决方案

在我的系统上这是解决方案（下面几乎是 Cyrus'，即没有管道到第二个 grep .）：

grep -Pzo '>chr1\n[AGCTNacgtn\n]+' file

Answer 1

您可以将 awk 与自定义 RS 一起使用：

awk -v n=2 -v RS='(^|\n)>' 'NR==n+1{print ">" [=10=]}' file    
>chr2
TTGNACACCC
TGGGGGAGTA

Answer 2

使用 GNU grep：

grep -Pzo '>chr2\n[AGCTNacgtn\n]+' file | grep .

输出：

>chr2
TTGNACACCC
TGGGGGAGTA

Answer 3

您应该安装 FAST perl package. It contains many utilities directly usable from the shell for dealing with fasta files, like fashead or fastail (and much more)

安装后很简单：

fashead -n2 fastafile | fastail -n1

产出

>chr2
TTGNA.....

甚至更简单

fasgrep chr2 fastafile

具有相同的输出...

Answer 4

试试这个 -

grep 'chr2' -A 2 file
>chr2
TTGNACACCC
TGGGGGAGTA

Answer 5

处理多行记录的最佳工具是awk。

你的情况：

awk 'BEGIN{RS=">"} NR==2 {print RS[=10=]}' input.txt

input.txt

>chr1
AGCTACTTTT
AGGGNGGTNN
>chr2
TTGNACACCC
TGGGGGAGTA
>chr3
TGACGTGGGT
TCGGGTTTTT

解释：

BEGIN{RS=">"} 最初将记录分隔符设置为 ">"

NR==2 仅过滤记录 #2

{print RS[=16=]} 打印记录 #2 并返回缺失的记录分隔符

Answer 6

创建了 sedgrep 混合版本以通用方式支持... 您可以使用此 sedgrep shell 命令，网址为 https://github.com/iamdvr/sedgrep-shell-util

直接Link：https://github.com/iamdvr/sedgrep-shell-util/blob/main/sedgrep

对于您的情况，直接命令是...

cat <FILE_NAME> | sed -nr ':main; /^>.*chr2/ { :loop; p; n; /^>/ b main; b loop} '

sedgrep用法如下...

Default NEW_LINE_PATTERN is ^\[
Usage : 
    cat {INPUT_FILE_NAME}  | sedgrep  {NEW_LINE_PATTERN} {THREAD_OR_SEARCH_PATTERN} 
    cat {INPUT_FILE_NAME}  | sedgrep  {THREAD_OR_SEARCH_PATTERN} 
    sedgrep {NEW_LINE_PATTERN} {THREAD_OR_SEARCH_PATTERN} {INPUT_FILE_NAME}
    sedgrep {THREAD_OR_SEARCH_PATTERN} {INPUT_FILE_NAME}
Example : 
    cat sampleInput.log | sedgrep 2016-05-23 DB_CONN
    cat sampleInput.log | sedgrep DB_CONN
    sedgrep 2016-05-23 DB_CONN sampleInput.log
    sedgrep DB_CONN sampleInput.log

grep (bash) 多行模式

grep (bash) multi-line pattern

bash

unix

grep

multiline

input.txt

解释：