Question

我有一个大型数据文件，如下所示：

//
ID   1.1.1.258
DE   6-hydroxyhexanoate dehydrogenase.
CA   6-hydroxyhexanoate + NAD(+) = 6-oxohexanoate + NADH.
CC   -!- Involved in the cyclohexanol degradation pathway in Acinetobacter
CC       NCIB 9871.
//
ID   1.1.1.259
DE   3-hydroxypimeloyl-CoA dehydrogenase.
CA   3-hydroxypimeloyl-CoA + NAD(+) = 3-oxopimeloyl-CoA + NADH.
CC   -!- Involved in the anaerobic pathway of benzoate degradation in
CC       bacteria.
//
ID   1.1.1.260
DE   Sulcatone reductase.
CA   Sulcatol + NAD(+) = sulcatone + NADH.
CC   -!- Studies on the effects of growth-stage and nutrient supply on the
CC       stereochemistry of sulcatone reduction in Clostridia pasteurianum,
CC       C.tyrobutyricum and Lactobacillus brevis suggest that there may be at
CC       least two sulcatone reductases with different stereospecificities.
//

我想提取包含工作anaerobic的此文件的部分。我特别想要ID线。

是否有办法在ID和//之间搜索文件以查找anaerobic并将输出打印到新文件？如果整个部分印刷得很好，我想我可以把它弄出来。

预期应该是

ID   1.1.1.259

或

ID   1.1.1.259
DE   3-hydroxypimeloyl-CoA dehydrogenase.
CA   3-hydroxypimeloyl-CoA + NAD(+) = 3-oxopimeloyl-CoA + NADH.
CC   -!- Involved in the anaerobic pathway of benzoate degradation in
CC       bacteria.
//

Answer 1

使用awk很简单

awk '/anaerobic/' RS='//\n' ORS='\n//' ./file.txt

Answer 2

tac file | sed -n '/anaerobic/,$p' | sed -n '/^ID/ {p;q}'

tac **file**：从头到尾打印文件
sed -n '/anaerobic/,$p'：从第一次出现厌氧打印到文件末尾
sed -n '/^ID/ {p;q}'：搜索以ID开头的行，仅打印第一次出现

Answer 3

对于多样化，可能的GNU sed解决方案：

sed -nr ':a; \@(^|\n)//$@! { N; ba }; /anaerobic/p' data

-n =＆gt;抑制模式空间的自动打印
-r =＆gt;扩展正则表达式
:a =＆gt;标签的定义
ba =＆gt;跳转到标签a
N =＆gt;将下一行追加到模式空间
\@(^|\n)//$@! =＆gt;匹配＆＃34;部分＆＃34;不以//

因此，

\@(^|\n)//$@! { N; ba }将下一行附加到模式空间，直到找到//部分分隔符。 /anaerobic/p然后检查当前部分是否包含anaerobic，如果是，p命令将打印出来。

当字符串存在时，如何在两个分隔符之间提取文本

3 个答案: