删除冒号前的所有文本

Question

我有一个包含一定数量行的文件.每一行看起来像这样:

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

我想删除所有":"之前的字符,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？

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

一个简单的正则表达式用于gsub():

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

请参阅?regex或?gsub获取更多帮助.

Answer 3

使用包str_remove中的解决方案stringr：

str_remove("TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1", ".*:")
[1] "PKMYT1"

Answer 4

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))

如果字符串具有恒定的长度,我想substr这将比这个或正则表达式方法更快.

Answer 5

使用sed:

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

这将替换任何后跟冒号的东西,因此它将删除所有内容,包括每行的最后一个冒号(因为*默认情况下是贪婪的).

根据Josh O'Brien的评论,如果您只想更换并包含第一个冒号,请执行以下操作:

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

这将匹配任何不是冒号,后跟一个冒号的东西,并替换为空.

请注意,对于这两种模式,它们将在每行的第一场比赛中停止.如果要对一行上的每个匹配进行替换,请在命令末尾添加' g'(全局)选项.

另请注意,在linux上(但不是在OSX上),您可以使用-i例如以下内容编辑文件:

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

Answer 6

我从最佳响应 @Sacha Epskamp 中错过的一些非常简单的举动是使用 sub 函数，在这种情况下，获取“：”之前的所有内容（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)

基本上是同样的事情，只需更改子参数内的“：”位置即可。希望它会有所帮助。

Answer 7

你可以awk像这样使用:

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