Grep 行以 1 开头，但不是 10、11、100 等

Question

我有一个带有标签计数的基因组数据文件，我想知道一次代表了多少：

$ grep "^1" file |wc -l

包括所有以 1 开头的行，因此它包括表示 10 次、11 次、100 次、1245 次等的标签。我该怎么做？

Current format
79      TGCAG.....
1       TGCAG.....
1257    TGCAG.....
1       TGCAG......

我只想要以下几行：

1       TGCAG.....

所以它不能包含以 1257 开头的行。注意：上面的文件是制表符分隔的。

Answer 1

身体里的问题

选择以 a 开头1且后跟一个空格的行

grep -c '^1\s'          file
grep -c '^1[[:space:]]' file

这也将给出行数（不需要调用 wc）

标题中的问题

A后面1 没有另一个数字（或什么都没有）：

grep -cE '^1([^0-9]|$)' file 

但是上述两种解决方案都有一些有趣的问题，请继续阅读。

在问题的正文中，用户声称该文件是“制表符分隔的”。

分隔符

标签

以 a1开头的行后跟一个制表符（命令中的实际制表符）。如果分隔符是空格（或任何其他，或没有），则失败：

grep '^1    ' file

空间

以 a1开头的行后跟一个空格（命令中的实际空格）。如果分隔符是任何其他或没有，这将失败。：

grep '^1 ' file

制表符或空格

grep '^1(   | )' file
grep '^1[[:blank:]]' file

空白

更灵活的选择是包含多个空格（水平和垂直）字符。的[:space:]字符类集是由（空间）， \t（水平制表）， \r（回车）， \n（换行）， \v（垂直制表符）和\f（形式进料）。但是 grep 不能匹配换行符（这是一个内部限制，只能通过-z选项来避免）。可以将其用作分隔符的描述。也可以使用 GNU 可用的速记\s：

grep -c '^1[[:space:]]` file
grep -c '^1\s'          file

但是，如果分隔符类似于冒号:或任何其他标点符号（或任何字母），则此选项将失败。

边界

或者，我们可以使用从数字到“非数字”边界的转换，实际上是“不在[_[:alnum:]]( _a-zA-Z0-9) 中的字符”：

grep -c  '^1\b' file       # portable but not POSIX.
grep -c  '^1\>' file       # portable but not POSIX.
grep -wc '^1'   file       # portable but not POSIX.
grep -c  '^1\W' file       # portable but not POSIX (not match only a `1`) (not underscore in BSD).

这将接受以 1 开头并后跟一些标点符号的有效行。

Answer 2

听起来你只想要这个：

$ grep '^1\b' a
1        TGCAG.....
1        TGCAG......

对于此的计数部分：

$ grep -c '^1\b' file
2

Answer 3

与awk：

awk '$1 == "1" { print; x++ } END { print x, "total matches" }' inputfile

Answer 4

这些中的任何一个都将挑选出1第一列中带有 a的行

awk '$1 == 1'
grep -w '^1'

这些都可以扩展，所以你甚至不需要wc计算行数

awk '$1==1 { x++ } END { print x }'
grep -cw '^1'

Answer 5

使用grep：

grep -c '^1\s' file

这将匹配任何以 1 开头的行，后跟空格，并提供这些行的计数（消除对 的需要wc -l）

$ cat input
79       TGCAG.....
1        TGCAG.....
1257     TGCAG.....
1        TGCAG......
$ grep -Ec '^1\s' input
2