Question

我有一个包含一定数量行的文件。每一行都是这样的：

TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1

我想删除所有“：”字符，以便仅保留作为基因名称的PKMYT1。由于我不是正则表达式脚本编写的专家，任何人都可以帮助我使用Unix（sed或awk）或R吗？

Answer 1

以下是在R中执行此操作的两种方法：

foo <- "TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1"

# Remove all before and up to ":":
gsub(".*:","",foo)

# Extract everything behind ":":
regmatches(foo,gregexpr("(?<=:).*",foo,perl=TRUE))

Answer 2

与gsub()一起使用的简单正则表达式：

x <- "TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1"
gsub(".*:", "", x)
"PKMYT1"

请参阅?regex或?gsub以获取更多帮助。

Answer 3

在R中肯定有两种以上的方法。这是另一种方式。

unlist(lapply(strsplit(foo, ':', fixed = TRUE), '[', 2))

如果字符串的长度恒定，我认为substr会比这个或正则表达式方法更快。

Answer 4

使用sed：

sed 's/.*://' < your_input_file > output_file

这将替换任何后跟冒号的内容，因此它将删除所有内容，包括每行（because * is greedy by default）上的最后一个冒号。

根据Josh O'Brien的评论，如果你只想更换并包括第一个冒号，请执行以下操作：

sed "s/[^:]*://"

这将匹配任何非冒号，后跟一个冒号，并替换为空。

请注意，对于这两种模式，它们将在每一行的第一场比赛中停止。如果要对一行中的每个匹配进行替换，请将'g' (global)选项添加到命令的末尾。

另请注意，在linux上（但不在OSX上），您可以使用-i就地编辑文件，例如：

sed -i 's/.*://' your_file

Answer 5

您可以像这样使用awk：

awk -F: '{print $2}' /your/file

Answer 6

如果你有GNU coreutils可用，请使用cut：

cut -d: -f2 infile

Answer 7

我正在研究类似的问题。 John和Josh O＆Brien's的建议奏效了。我开始使用这个步骤：

library(dplyr)
my_tibble <- tibble(Col1=c("ABC:Content","BCDE:MoreContent","FG:Conent:with:colons"))

看起来像：

  | Col1 
1 | ABC:Content 
2 | BCDE:MoreContent 
3 | FG:Content:with:colons

我需要创建这个tibble：

  | Col1                  | Col2 | Col3 
1 | ABC:Content           | ABC  | Content 
2 | BCDE:MoreContent      | BCDE | MoreContent 
3 | FG:Content:with:colons| FG   | Content:with:colons

使用此代码（R版本3.4.2）。

my_tibble2 <- mutate(my_tibble
        ,Col2 = unlist(lapply(strsplit(Col1, ':',fixed = TRUE), '[', 1))
        ,Col3 = gsub("^[^:]*:", "", Col1))

Answer 8

以下是2个等效解决方案：

第一个使用perl的NULL自动分割功能，使用-a将每一行拆分为字段，填充:字段数组，然后打印第二个字段F（计数开始）来自字段0）

$F[1]

第二个使用正则表达式从perl -F: -lane 'print $F[1]' file替换s///行的开头，^任何以冒号结尾的字符，没有.*:

Answer 9

我从最好的回应中错过了一些非常简单的举动@Sacha Epskamp是使用子功能，在这种情况下将所有内容都带到＆＃34;：＆＃34;（而不是删除它），所以它非常简单：

foo <- "TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1"

# 1st, as she did to remove all before and up to ":":
gsub(".*:","",foo)

# 2nd, to keep everything before and up to ":": 
gsub(":.*","",foo)

基本上，同样的事情，只需改变＆＃34;：＆＃34;在sub参数内的位置。希望它会有所帮助。

删除冒号前的所有文本

9 个答案: