折叠线

Question

我有一个看起来像这样的文件：

>chr3:11131258-11134670(-)_3301
tcctgaagaaatccaaaacaccatcagatccttctacaaaaggctatact
>chr3:11131258-11134670(-)_3351
caacaaaactggaaaacctggatgaaatggacaaatttctggacagatac
>chr3:11131258-11134670(-)_3401
caggtac
>chr5:146697252-146699855(+)_1
taaggaagcagataatccggcctgatccggggctcaagtcccttccggcc

其中>表示标题行，否则行包含长度为＆lt; = 50的字符序列。

我想找到具有字符序列的行＆lt;一些阈值（ N ），并将它们折叠到前一个序列行中。对示例执行此操作应生成以下文件：

>chr3:11131258-11134670(-)_3301
tcctgaagaaatccaaaacaccatcagatccttctacaaaaggctatact
>chr3:11131258-11134670(-)_3351
caacaaaactggaaaacctggatgaaatggacaaatttctggacagataccaggtac
>chr5:146697252-146699855(+)_1
taaggaagcagataatccggcctgatccggggctcaagtcccttccggcc

我试图用正则表达式来做这件事，但运气不好。我对各种技术持开放态度，但如果可以在命令行上完成，那就更好了。 （我有几个文件要处理，每个文件包含＆gt; 100万行）。

Answer 1

使用此正则表达式：^(>.*)\n(\w{0,49})$，使用多行选项，以使^和$锚定符合每行的开头和结尾。

然后用表示匹配的标题行和第二行的匹配组替换：$1 $2

这是regex101

的演示