正则表达式操作和字符串替换 - sed 的替代品答案

【问题标题】：regex manipulation and string substitution - alternative to sed正则表达式操作和字符串替换 - sed 的替代品
【发布时间】：2020-02-03 02:43:16
【问题描述】：

我有以下文件

cat file.txt

ID      Location
MNS1    NC_000004.12:g.d.a144120555T>C;NC_001423.23:c.a144120513G<C
MNS2    NC_000142.12:g.a144120552C,N>D
MNS3    NC_000142.12:g.a144120559C>N

我想用这种方式替换输入：

ID      Location
MNS1    NC_000004.12:144120555;NC_001423.23:144120513
MNS2    NC_000142.12:144120552
MNS3    NC_000142.12:144120559

我想删除除: 和; 之间出现的数字以外的所有内容

例如，我试过：

echo "NC_000004.12:g.d.a144120555T>C;" | sed 's/:[^0-9]*/:/g; s/[^0-9]*;/;/g; s/[^0-9]*$//g'

期望的输出

NC_000004.12:144120555

【问题讨论】：

所有标准 UNIX 工具都将 \w 和 \d 理解为文字字符 w 和 d。一些对 POSIX 标准进行扩展的非标准工具和工具将其中一个或另一个解释为 POSIX 字符类 [[:alnum:]_] 和 [[:digit:]] 的简写（例如，GNU awk 接受 \w，但不接受 \d），这就是我假设您的意思是他们在您的问题中代表的意思，但是 YMMV.不过，如果这就是您的意思，那么您真的没有充分的理由不在您的问题中简单而清楚地说出“字母”或“数字”。
目前尚不清楚为什么 >C 和 >A 会从您的预期输出中消失，因为它与我认为您所说的 I am trying to remove every \w or \w\. that occurs after : and \d{3} 不匹配

标签： regex string bash

【解决方案1】：

这可能会奏效！

sed -i.bak 's/g\.//g; s/\w>\w//g' filename

对于(NC.*?): concat，关于最终输出的解释会有所帮助，尽管这可能有效：

s/NC[0-9]?:/:/

【讨论】：

明白了！我想太多太多了。我最初打算在 awk 中使用它，但我想这是最好的管道 sed 到 awk
所以我正在尝试删除 g\. 哪个有效。然后\w>\w
许多sed 方言不支持Perl 正则表达式速记\w。您应该很容易找到解释可用解决方法的数十个现有问题，但首先尝试[[:alnum:]]。
@user171558 将 sed 管道化到 awk（反之亦然）从来都不是最好的方法。

【解决方案2】：

如果 Perl 适合您：

cat file.txt 
ID      Location
MNS1    NC_000004.12:g.d.a144120555T>C;NC_001423.23:c.a144120513G<C
MNS2    NC_000142.12:g.a144120552C,N>D
MNS3    NC_000142.12:g.a144120559C>N

perl -ape 's/:\D+(\d+).*?(?=;|$)/:$1/g' file.txt 
ID      Location
MNS1    NC_000004.12:144120555;NC_001423.23:144120513
MNS2    NC_000142.12:144120552
MNS3    NC_000142.12:144120559

说明：

s/            # substitute
    :           # colon
    \D+         # 1 or more non digits
    (\d+)       # group 1,, 1 or more digit
    .*?         # 0 or more any character but bewline, not greedy
    (?=;|$)     # positive lookahead, make sure we have semi-colon or end of line
/             # with
    :           # colon
    $1          # content of group 1 (i.e. the digits)
/g            # end, global

【讨论】：

谢谢！我猜 perl 是最好的选择