unix 中的模式匹配和捕获

Question

我有一个这样的文件：

A1-1915435_1_MIMAT0000069_MirBase_miR-16_microRNA_1_22-A1-1915435_1_ENSG00000206737_ENST00000384010_U1_snRNA_73_115
A1-2362643_1_MIMAT0000732_MirBase_miR-378_microRNA_1_21-A1-2362643_1_ENSG00000222328_ENST00000410396_U2_snRNA_168_211

我想要一个输出，其中我将 micro RNA 部分和 ENSG 部分选项卡分开。像这样的事情：

miR-16_microRNA ENSG00000206737
miR-378_microRNA    ENSG00000222328

我可以为它编写一个 perl 脚本，但我想必须有使用 awk、sed perl 等的命令行解决方案。

Answer 1

perl -pe 's!.*(miR-\d+_microRNA).*(ENSG\d+).*!$1\t$2!'

解释一下？

当然，对不起：

• 对于每一行 (perl -p)
• 用$1 tab $2where 替换正则表达式
  • $1并$2编号为捕获组的反向引用(...)。几乎所有现代正则表达式引擎都支持这一点。
• 关于正则表达式：
  • . = 任何字符，除了 \n
  • .* = 一个字符序列（在替换中被忽略）
  • \d= 数字（与 相同[0-9]）
  • \d+ = 一个或多个 \d

请参阅任何reg 表达式教程以获得更详细的解释。