使用sed从文本文件中删除特定的字符串，不更改输出文件？

Question

编辑:添加块引号文本

我有一个由标签分隔的文本文件(acc.paired.txt)，其中包含了illumina示例名(head)：

SRR10598163_R1.fastq.gz  SRR8916417_R2.fastq.gz
SRR10598049_R1.fastq.gz  SRR10598163_R2.fastq.gz  SRR8916418_R1.fastq.gz
SRR10598049_R2.fastq.gz  SRR10598164_R1.fastq.gz  SRR8916418_R2.fastq.gz
SRR10598050_R1.fastq.gz  SRR10598164_R2.fastq.gz  SRR8916419_R1.fastq.gz
SRR10598050_R2.fastq.gz  SRR10598165_R1.fastq.gz  SRR8916419_R2.fastq.gz
SRR10598051_R1.fastq.gz  SRR10598165_R2.fastq.gz  SRR8916420_R1.fastq.gz
SRR10598051_R2.fastq.gz  SRR10598166_R1.fastq.gz  SRR8916420_R2.fastq.gz
SRR10598052_R1.fastq.gz  SRR10598166_R2.fastq.gz  SRR8916421_R1.fastq.gz
SRR10598052_R2.fastq.gz  SRR10598167_R1.fastq.gz  SRR8916421_R2.fastq.gz
SRR10598053_R1.fastq.gz  SRR10598167_R2.fastq.gz  SRR8916422_R1.fastq.gz
SRR10598053_R2.fastq.gz  SRR10598168_R1.fastq.gz  SRR8916422_R2.fastq.gz
SRR10598054_R1.fastq.gz  SRR10598168_R2.fastq.gz  SRR8916423_R1.fastq.gz

我想做两个更改，1)删除重复的示例名称，2)删除特定示例名称之后的所有字符。我的目标输出是一个标签分隔的文本文件，它只包含没有重复的SRR###数字(没有_R#.fastq.qz)。示例目标输出：

SRR10598163
SRR8916417
SRR10598049
SRR8916418
SRR10598164
SRR10598050
SRR8916419
SRR10598165
SRR10598051
SRR8916420
SRR10598166
SRR10598052
SRR8916421
SRR10598167
SRR10598053
SRR8916422
SRR10598054
SRR10598168
SRR8916423

我转向sed删除字符模式：

`sed 's| _R1.fastq.gz||g' acc.paired.txt > out.txt`

但out.txt无明显变化。

蒂娅。

Answer 1

你可以

• 使用tr将所有空格更改为换行符
• 删除与_R1.fastq.gz和sed匹配的所有内容
• 用grep删除空行
• 并对输出进行排序，用sort删除重复项：

% < acc.paired.txt tr ' ' '\n'  | sed -e 's/_R.\.fastq\.gz//' | grep . | sort -u
SRR10598049
SRR10598050
SRR10598051
SRR10598052
[...]

除了排序之外，输出结果与您的问题中显示的相同。

当然，在regexes中，.匹配任何字符，并且文字点与\.匹配。grep .只保留至少包含一个字符的行，这样就失去了tr从背靠背空间创建的空行。这还假设只有R1，R9在那里，而不是R11左右。