模式匹配和删除与模式相对应的四行

Question

我有2个文件。文件1具有标识符（例如，DF：1：1）。然后“1：N”是一个附加字段。第二，第三和第四行是特定于标识符的。文件2由一列标识符组成。 逻辑：如果文件2的标识符与文件1的标识符完全匹配，则删除与该标识符相对应的所有4行。

文件1：

@DF:1:1 1:N 
IIIIIIIIIIIIIIA 
+ 
CCCCCCCCCCCCCCC 
@DF:1:2 1:N 
TTTTTTTTTTTTTTT 
+ 
AJJJJJJJJJJJJAA 
@DF:1:3 1:N 
TTTTTTTTTTCAACA 
+ 
LLLLLLLLLLLLLLN 
@DF:2:1 1:N 
NNNNNNNNNNNNNGC 
+ 
DHHHHHHHHHHHHHH 
@DF:1:4 1:N 
CCCCCCCCCCCCCCC 
+ 
DFFFFFFFFFFFFFF 

文件2：

DF:1:1 
DF:1:3 
DF:2:1 
DF:9:9 
DF:6:9 

预期输出：

@DF:1:2 1:N 
TTTTTTTTTTTTTTT 
+ 
AJJJJJJJJJJJJAA 
@DF:1:4 1:N 
CCCCCCCCCCCCCCC 
+ 
DFFFFFFFFFFFFFF 

我在Bioi是新信息学和编程，并会欣赏你的帮助。 谢谢。

Answer 1

[以下是基于您不必在输入TAB字符的假设。]

你可以利用paste和grep，以获得所需的输出：

paste - - - - < file1 | grep -F -v -f file2 | tr '\t' '\n' 

上面加入4行file1（以tab作为分隔符），然后删除包含file2中的字符串的行。最后，制表符被替换为换行符。为您的样品输入，这会产生：

@DF:1:2 1:N 
TTTTTTTTTTTTTTT 
+ 
AJJJJJJJJJJJJAA 
@DF:1:4 1:N 
CCCCCCCCCCCCCCC 
+ 
DFFFFFFFFFFFFFF 

Answer 2

有沿着这些线路（搜索sed delete multiple lines）existing questions。你可以看到，你的选项在BSD sed（包括Mac）和GNU sed（Unix风格）之间有微妙的差别。这里有一个笨重的BSD版本，在我的Mac工作：

cat bio_file2 | while read line; do sed -E "/$line/ { 
N 
N 
N 
d 
}" bio_file1 > biof_tmp; mv biof_tmp bio_file1; done 

这是在没有就地修改选项（sed -i在Unix），从而使用tmp文件笨重，而且也不必读取（N ）下一行到模式空间，而不是使用gsed更短的语法 - 通过删除3个额外的行，对于例如删除100多行。请注意使用双引号以便使用shell变量进行匹配。

---

这是我所期待的GNU sed的对手看起来像：（未经测试）

cat bio_file2 | while read line; do sed -i "/$line/,+3 d" bio_file1; done 

---

如果你有一个比赛后删除100行的情况下，一个方法是找到匹配的行号 grep -n target somefile | awk -F：'{print $ 1}'

然后特​​别删除那些行i,i+100。但在这种情况下，需要注意从最高的行数开始。

Answer 3

这可能为你工作（GNU SED）：

sed 's|.*|/^@&\\s/,+3d|' file2 | sed -f - file1 

请从文件2 sed脚本来匹配在文件1键和删除以下3行。

Answer 4

使用AWK

awk 'NR==FNR{a[$1];next}!($1 in a)' file2 RS=@ ORS=@ file1