bash循环替换特定字符后的字符串中间

Question

我有 120 个文件 (genomes.faa)，每个文件之间都有标题

>GENOME1_00001 HYPOTHETICAL PROTEIN A
NQFTIAQSQVGLEDALLDL

>GENOME1_00002 HYPOTHETICAL PROTEIN B
NQFTIAQSQVGLEDALLDL

>GENOME1_00003 HYPOTHETICAL PROTEIN C
NQFTIAQSQVGLEDALLDL

etc.

我试图删除名称后面的“_0000X”并将其替换为“|”

>GENOME1|HYPOTHETICAL PROTEIN A
NQFTIAQSQVGLEDALLDL

>GENOME1|HYPOTHETICAL PROTEIN B
NQFTIAQSQVGLEDALLDL

>GENOME1|HYPOTHETICAL PROTEIN C
NQFTIAQSQVGLEDALLDL

etc.

我尝试这样做：

for file in *.faa
do
sed -r 's/_.*$/|/g' $file > $file.1
done

这不会在之后保留“假设蛋白质 A”，从而导致

>ERR1156171|
MMRQSVQTVLP 

代替

>ERR1156171|HYPOTHETICAL PROTEIN A
MMRQSVQTVLP 

任何帮助表示赞赏！

Answer 1

我认为你已经非常接近工作指挥了。这对我来说对你给出的几个例子很有用：

sed -E 's/_[0-9]+ /|/' "$file" > "$file.1"

• 我将匹配表达式从 更改为_.*将_[0-9]+ 匹配限制为仅下划线、数字和空格字符。
• 我删除了$因为它匹配行的末尾，而不是第一个单词的末尾。
• 我将替换命令的结尾从 更改/g为/，因为您的示例在每一行中只有一个位置需要编辑，而不是多个位置。
• 另外，不要使用扩展-E正-r则表达式，因为前者与其他版本的 sed 更兼容；并引用变量扩展，以防任何文件名包含空格或特殊字符。