检索只在结尾处包含特定字符串的文本行，而不是在之间的某个位置检索行。

Question

我有一个细菌分类分配的文本文件，如下所示(数字表示不同的细菌)：

1130952 k__Bacteria; p__Acidobacteria; c__Acidobacteriia; o__Acidobacteriales; f__Acidobacteriaceae; g__Edaphobacter; s__modestum
555445  k__Bacteria; p__Firmicutes; c__Clostridia; o__Clostridiales; f__Lachnospiraceae; g__Clostridium; s__fimetarium
325910  k__Bacteria; p__Firmicutes; c__Clostridia; o__Clostridiales; f__Ruminococcaceae; g__; s__
744205  k__Bacteria; p__Proteobacteria; c__Deltaproteobacteria; o__; f__; g__; s__

许多细菌没有分类到物种水平，所以他们缺乏信息："s__“。我希望看到有这种信息的细菌(就像上面两种细菌一样，一个是"s__modestum“，另一个是"s__fimetarium")。我正在使用mac终端(MacOSX10.9.5)并尝试，

grep -v "s__" file

但是，由于所有的分配都包含s__，所以我得到了回复(它排除了它们，我猜..)。

我在最后尝试过使用*，就像在s__*中一样，但是它也不起作用。

我想要的是，应用一个命令，得到一行细菌和数量的细菌与物种分配。

1 1130952 k__Bacteria; p__Acidobacteria; c__Acidobacteriia; o__Acidobacteriales; f__Acidobacteriaceae; g__Edaphobacter; s__modestum
1 555445    k__Bacteria; p__Firmicutes; c__Clostridia; o__Clostridiales; f__Lachnospiraceae; g__Clostridium; s__fimetarium

Answer 1

只需让grep在s__不是行尾后匹配任何字符(用$表示)：

$ grep 's__[^$]' file
1130952 k__Bacteria; p__Acidobacteria; c__Acidobacteriia; o__Acidobacteriales; f__Acidobacteriaceae; g__Edaphobacter; s__modestum
555445  k__Bacteria; p__Firmicutes; c__Clostridia; o__Clostridiales; f__Lachnospiraceae; g__Clostridium; s__fimetarium

要获得与此条件匹配的行数，需要使用类似于awk的方法将计数器值存储到数组中：

$ awk '/s__[^$]/ {a[$0]++} END {for (i in a) print a[i], i}' file
1 555445  k__Bacteria; p__Firmicutes; c__Clostridia; o__Clostridiales; f__Lachnospiraceae; g__Clostridium; s__fimetarium
1 1130952 k__Bacteria; p__Acidobacteria; c__Acidobacteriia; o__Acidobacteriales; f__Acidobacteriaceae; g__Edaphobacter; s__modestum

为了检查文件的末尾是否出现了这种情况，我们需要额外的检查：

grep -E 's__[^ $]+$' file
awk '/s__[^ $]+$/ {a[$0]++} END {for (i in a) print a[i], i}' file

他们检查在s__之后至少有一组字符不是空格或行尾。然后，排到最后。

更新

谢谢，效果很好！有什么方法可以把所有的行进行汇总，这样我才能知道我总共有多少个非"s__“的计数？- Isa

当然，只需添加print length(a)以查看数组中有多少元素：

$ awk '/s__[^ $]+$/ {a[$0]++} END {for (i in a) print a[i], i; print length(a)}' a
1 555445  k__Bacteria; p__Firmicutes; c__Clostridia; o__Clostridiales; f__Lachnospiraceae; g__Clostridium; s__fimetarium
1 1130952 k__Bacteria; p__Acidobacteria; c__Acidobacteriia; o__Acidobacteriales; f__Acidobacteriaceae; g__Edaphobacter; s__modestum
2