在 bash 中使用 sed 换行，正则表达式的问题

Question

大家好，我的数据如下所示

  samplename 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 ...
  samplename2 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 ...

我希望它看起来像这样：

  >samplename
  0 1 1 1 1 1 1 1 1 1 
  1 0 0 0 0 0 0 0 0 ...
  >samplename2 
  0 0 0 0 0 1 1 1 1 1 
  1 1 1 1 1 1 0 0 0 ...

[注意 - 每 10 位数字后显示一个换行符；我实际上每 200 次之后就想要它，但我意识到显示这样的线不会很有帮助]。

我可以在文本编辑器上使用正则表达式来完成，但我想在 bash 中使用 sed 命令，因为我必须多次执行此操作，并且每行需要 200 个字符。

我试过了，但是出错了：

sed -e "s/\(>\w+\)\s\([0-9]+\)/\1\n\2" < myfile > myfile2

sed: 1: "s/(>\w+)\s([0-9]+)/ ...": 替代模式内未转义的换行符

还有一点需要注意 - 我在 Mac 上执行此操作；我知道 Mac 上的 sed 与 gnu sed 有点不同。如果您能给我提供适用于 Mac 的解决方案，那就太好了。

提前致谢。

Answer 1

您在 200 个数字后添加了换行请求，您最好使用 awk。

echo "hello 1 2 3 4" | awk '{print ">"$1; for(i=2; i<=NF; i++) {printf("%d ",$i); if((i+1)%2 == 0) printf("\n");}}

打印出来

>hello
1 2 
3 4 

如果您希望它仅在以hello 开头的行上工作，您可以修改为

echo "hello 1 2 3 4" | awk '/^hello / {print ">"$1; for(i=2; =NF; i++) {printf("%d ",$i); if((i+1)%2 == 0) printf("\n");}}

（/ / 中的正则表达式表示“仅在匹配此表达式的行上执行此操作”。

您可以将语句 if( (i + 1) % 2 == 0) 修改为 if( (i + 1) % 100 == 0 ) 以在 100 位数字后换行...我只是为 2 显示它，因为打印输出更具可读性。

更新以使这一切更清洁，请执行以下操作。

使用以下内容创建一个文件调用 breakIt：（如果您不想只选择以“hello”开头的行，请忽略 /^hello /；但在代码周围留下 {}，这很重要）。

/^hello/ { print ">"$1;
   for(i=2; i<=NF; i++)
   {
      printf("%d ",$i);
      if((i+1)%100 == 0) printf("\n");
   }
   print "";
}

现在你可以发出命令了

awk -f breakIt inputFile > outputFile

这表示“使用breakIt 的内容作为处理inputFile 并将结果放入outputFile 的命令”。

应该为你做得很好。

edit 以防万一您确实需要sed 解决方案，这是一个不错的解决方案（我认为是这样）。将以下内容复制到名为sedSplit的文件中

s/^([A-Za-z]+ )/>\1\
/g
s/([0-9 ]{10})/\1\
/g
s/$/\
/g

这有三个连续的sed 命令；它们各占一行，但由于它们插入换行符，它们实际上似乎占用了六行。

s/^                  - substitute, starting from the beginning of the line
([A-Za-z]+ )/        - substitute the first word (letters only) plus space, replacing with 
>\1\
/g                   - the literal '>', then the first match, then a newline, as often as needed (g)

s/([0-9] ]{10})/     - substitute 10 repetitions of [digit followed by space]
\1\
/g                   - replace with itself, followed by newline, as often as needed

s/$/\
/g                   - replace the 'end of line' with a carriage return

您可以像这样调用这个 sed 脚本：

sed -E -f sedSplit < inputFile > outputFile

这使用了

-E 标志（使用扩展正则表达式 - 无需转义括号等）

-f 标志（'从该文件获取指令'）

它使整个事情变得更加清晰 - 并为您提供您在 Mac 上要求的输出（即使使用额外的回车符来分隔组；如果您不希望这样做，请省略最后两行）。

Answer 2

$ awk '{print ">" $1; for (i=2;i<=NF;i++) printf "%s%s", $i, ((i-1)%10 ? FS : RS)}' file
>samplename
0 1 1 1 1 1 1 1 1 1
1 0 0 0 0 0 0 0 0 ...
>samplename2
0 0 0 0 0 1 1 1 1 1
1 1 1 1 1 1 0 0 0 ...

Answer 3

fold是你的朋友：

sed 's/\([^ ]*\) /\1\n/' input | fold -w 100

Answer 4

简单的 bash：

while read -r name values; do
    printf ">%s\n%s\n" "$name" "$values"
done <<END
samplename 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 ...
samplename2 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 ...
END

>samplename
0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 ...
>samplename2
0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 ...

假设样本名称不包含空格

Answer 5

在双引号中，反斜杠由 shell 解释。这些中的任何一个都应该工作。

sed -e 's/\(>\w+\)\s\([0-9]+\)/\1\n\2/' < myfile > myfile2
sed -e "s/\\(>\\w+\\)\\s\\([0-9]+\\)/\\1\\n\\2/" < myfile > myfile2

PS，我添加了终止斜杠。你有一个 s/.../... 而不是 s/.../.../

PS，当我查看您的正则表达式时，sed 会抱怨无休止。试试这个。

sed -e 's/^\(\w\+\)\s\+/>\1\n/' < myfile > myfile2

MAC 版本，200 个字符限制（100 个个位数和 100 个空格）

sed -Ee 's/^([a-zA-Z0-9]+) />\1\
/' | sed -Ee 's/(([0-9] ){99}[0-9]) /\1\
/g' < myfile > myfile2

第一个 sed 将字符串与数字分开，第二个拆分行。