查找模式和字符直到空格，并将捕获的模式移动到行尾 sed答案

【问题标题】：find pattern and characters up to space, and move captured pattern to end of line sed查找模式和字符直到空格，并将捕获的模式移动到行尾 sed
【发布时间】：2021-12-01 12:49:37
【问题描述】：

我想找到一个特定的模式（“k__”），以及它后面的任何字符，直到一个空格，然后将捕获的模式移动到行尾

使用此示例文件：

cat test.file
37099   k__Eukaryota species:s__Isochrysis galbana;genus:g__Isochrysis;family:f__Isochrysidaceae;order:o__Isochrysidales;class:c__Haptophyta;phylum:p__Haptista
73015   k__Eukaryota species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__
73015   k__Eukaryota species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__
73015   k__Eukaryota species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__
73015   k__Eukaryota species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__
73015   k__Eukaryota species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__
43925   k__Eukaryota species:s__Nannochloropsis oculata;genus:g__Nannochloropsis;family:f__Monodopsidaceae;order:o__Eustigmatales;class:c__Eustigmatophyceae;phylum:p__
43925   k__Eukaryota species:s__Nannochloropsis oculata;genus:g__Nannochloropsis;family:f__Monodopsidaceae;order:o__Eustigmatales;class:c__Eustigmatophyceae;phylum:p__
43925   k__Eukaryota species:s__Nannochloropsis oculata;genus:g__Nannochloropsis;family:f__Monodopsidaceae;order:o__Eustigmatales;class:c__Eustigmatophyceae;phylum:p__
43925   k__Bacteria species:s__Nannochloropsis oculata;genus:g__Nannochloropsis;family:f__Monodopsidaceae;order:o__Eustigmatales;class:c__Eustigmatophyceae;phylum:p__

所以，我想匹配“k__Eukaryota”和“k__Bacteria”（以及其他以 k__ 开头的模式），然后将这些捕获的匹配移动到行尾：例如想要的输出=

37099    species:s__Isochrysis galbana;genus:g__Isochrysis;family:f__Isochrysidaceae;order:o__Isochrysidales;class:c__Haptophyta;phylum:p__Haptista k__Eukaryota
73015    species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__ k__Eukaryota
73015    species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__ k__Eukaryota
73015    species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__ k__Eukaryota
73015    species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__ k__Eukaryota
73015    species:s__Monodus sp. CCMP505;genus:g__Monodus;family:f__Pleurochloridaceae;order:o__Mischococcales;class:c__Xanthophyceae;phylum:p__ k__Eukaryota
43925    species:s__Nannochloropsis oculata;genus:g__Nannochloropsis;family:f__Monodopsidaceae;order:o__Eustigmatales;class:c__Eustigmatophyceae;phylum:p__ k__Eukaryota
43925    species:s__Nannochloropsis oculata;genus:g__Nannochloropsis;family:f__Monodopsidaceae;order:o__Eustigmatales;class:c__Eustigmatophyceae;phylum:p__ k__Eukaryota
43925    species:s__Nannochloropsis oculata;genus:g__Nannochloropsis;family:f__Monodopsidaceae;order:o__Eustigmatales;class:c__Eustigmatophyceae;phylum:p__ k__Eukaryota
43925    species:s__Nannochloropsis oculata;genus:g__Nannochloropsis;family:f__Monodopsidaceae;order:o__Eustigmatales;class:c__Eustigmatophyceae;phylum:p__ k__Bacteria

我认为这很容易，但我做不到。这是我尝试过的：

cat test.file | gsed -E 's#(.*k__)(k__\w\+)(.*)#\1\3\2#'

捕获文本直到模式，然后匹配（cpature 模式和直到空格的任何单词字符）然后捕获到行尾，然后更改捕获组的顺序。

我想我可以回溯参考这些模式来更改顺序，但我很可能。没有正确匹配它们。如何捕获我的模式，模式（“K__xyz”）然后匹配到行尾，捕获这些组并重新组织？这是正确的方法吗？

非常感谢任何帮助！

唱片

【问题讨论】：

sed -E 's/^([^k]{1,})([^ ]{1,})(.*)$/\1\3 \2/' test.file
任何解决方案都有效吗？如果您仍然需要这方面的帮助，请告知。

标签： regex sed

【解决方案1】：

如果要编辑原始文件，请添加“-i”选项；
sed -i -r 's/(.*)(k__[^ ]*)( .*)/\1\3 \2/g' test.file
如果要将结果保存到其他文件，请删除 '-i' 选项；
sed -r 's/(.*)(k__[^ ]*)( .*)/\1\3 \2/g' test.file > new.file

我的测试结果：

szvp000006656:/home # cat test.file
37099   k__Eukaryota species:s__Isochrysis galbana;genus:g__Isochrysis;family:f__Isochrysidaceae;order:o__Isochrysidales;class:c__Haptophyta;phylum:p__Haptista

szvp000006656:/home # sed -r 's/(.*)(k__[^ ]*)( .*)/\1\3 \2/g' test.file > new.file
szvp000006656:/home # cat new.file
37099    species:s__Isochrysis galbana;genus:g__Isochrysis;family:f__Isochrysidaceae;order:o__Isochrysidales;class:c__Haptophyta;phylum:p__Haptista k__Eukaryota

szvp000006656:/home # sed -i -r 's/(.*)(k__[^ ]*)( .*)/\1\3 \2/g' test.file
szvp000006656:/home # cat test.file
37099    species:s__Isochrysis galbana;genus:g__Isochrysis;family:f__Isochrysidaceae;order:o__Isochrysidales;class:c__Haptophyta;phylum:p__Haptista k__Eukaryota

注意：

推荐使用https://regexr.com/调试正则语法
基本的和扩展的 Posix/GNU 正则表达式都不能识别非贪婪量词；你需要一个以后的正则表达式。试试这个非贪婪的正则表达式 [^/]* 而不是 .*? chaos-stackoverflow

【讨论】：

您不需要第一个捕获组。 sed -E 's/(k__[^ ]+) (.*)/\2 \1/' 可以简单地编辑以匹配开头的部分。

【解决方案2】：

使用这个 Perl 单行代码：

perl -lpe 's{^(.*?\s)(k__\S+)\s+(.*)}{$1$3 $2}' test.file > out.file

Perl 单行代码使用这些命令行标志：
-e：告诉 Perl 查找内联代码，而不是在文件中。
-p：循环输入一行一次，默认分配给$_。在每次循环迭代后添加print $_。
-l：在执行内联代码之前去除输入行分隔符（默认情况下 *NIX 上为"\n"），并在打印时附加它。

^：行首。
(.*?\s)：0个或多个任意字符（非贪心），以空格结尾，捕获并存储在变量$1中。
(k__\S+) ：文字 k__ 后跟 1 个或多个非空白字符，捕获并存储在变量 $2 中。
\s+(.*) ：1 个或多个空白字符。然后 0 个或多个任意字符，捕获并存储在变量 $3 中。

另请参阅：
perldoc perlrun: how to execute the Perl interpreter: command line switches
perldoc perlre: Perl regular expressions (regexes)

【讨论】：

perl -pe 's/k__\S+//; $k=$&; s/$/ $k/' -- 让 perl 删除字符串，该字符串保存为$&，然后将其存储在$k，然后将行尾替换为$k ...利用perl 有但 sed 没有的变量（除了保持空间）。
哦，或者这个：perl -lpe 's/k__\S+//; $_="$_ $&"' ... 无论如何，是的 perl。