Linux学习 - SED操作，awk的姊妹篇

时间:2022-04-26
本文章向大家介绍Linux学习 - SED操作，awk的姊妹篇，主要内容包括sed基本参数解释、常见操作、基本概念、基础应用、原理机制和需要注意的事项等，并结合实例形式分析了其使用技巧，希望通过本文能帮助到大家理解应用这部分内容。

awk和sed想一对兄妹，一个出现，就会问起另一个。现在，都来了。

sed基本参数解释

sed是stream editor的简称，擅长对文件进行各种正则操作、插入操作、替换操作和删除操作，可以全局，可以指定特定范围的行或者特定特征的行。

s/pat/replace/: 正则替换

前插行i, 后插行a, 替换行c, 删除行d, 输出行p

N: 读入下一行，同时存储；n:读入下一行，抛弃当前行

常见操作

  • 替换特定的文本
ct@ehbio:~/SXBD$ cat mat
ID    2 cell    4 cell    8 cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc    2    3    4    5
Tet1_3    2    3    4    5
ct@ehbio:~/SXBD$ sed 's/ /_/' mat 
ID    2_cell    4 cell    8 cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc    2    3    4    5
Tet1_3    2    3    4    5
ct@ehbio:~/SXBD$ sed 's/ /_/g' mat 
ID    2_cell    4_cell    8_cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc    2    3    4    5
Tet1_3    2    3    4    5
  • 获得逗号分隔的一组数
ct@ehbio:~/SXBD$ echo `seq 1 10` | sed 's/ /,/g'
1,2,3,4,5,6,7,8,9,10
  • 针对指定行替换
ct@ehbio:~/SXBD$ sed '2,$ s/_[0-9]//g' mat 
ID    2 cell    4 cell    8 cell    embryo
Pou5f1    2    3    4    5
Nanog    2    3.2    4.3    5
c-Myc    2    3    4    5
Tet1    2    3    4    5
  • 替换特定出现位置
# 替换第一个空格
ct@ehbio:~/SXBD$ sed 's/ /_/1' mat 
ID    2_cell    4 cell    8 cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc    2    3    4    5
Tet1_3    2    3    4    5
# 替换第二个空格
ct@ehbio:~/SXBD$ sed 's/ /_/2' mat 
ID    2 cell    4_cell    8 cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc    2    3    4    5
Tet1_3    2    3    4    5
# 替换第二个及以后的空格
ct@ehbio:~/SXBD$ sed 's/ /_/2g' mat 
ID    2 cell    4_cell    8_cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc    2    3    4    5
Tet1_3    2    3    4    5
  • 给序列起名字
ct@ehbio:~/SXBD$ cat seq
ACDGTFGGCATGCDTGD
ACDGAGCDTAGCDGTA
CAGDTAGDCTADTG
ct@ehbio:~/SXBD$ sed = seq
1
ACDGTFGGCATGCDTGD
2
ACDGAGCDTAGCDGTA
3
CAGDTAGDCTADTG
# 同时缓冲两行，但只对第一行行首操作
ct@ehbio:~/SXBD$ sed = seq | sed 'N;s/^/>/;'
>1
ACDGTFGGCATGCDTGD
>2
ACDGAGCDTAGCDGTA
>3
CAGDTAGDCTADTG
  • 给文件增加标题行
ct@ehbio:~/SXBD$ tail -n +2 mat | sort -k2,2n
c-Myc    2    3    4    5
Nanog_1    2    3.2    4.3    5
Pou5f1_1    2    3    4    5
Tet1_3    2    3    4    5

# 1 表示第一行
# i 表示插入，在指定行前面插入新行
ct@ehbio:~/SXBD$ tail -n +2 mat | sort -k2,2n | sed '1 i IDt2_cellt4_cellt8_celltembryo'
ID    2_cell    4_cell    8_cell    embryo
c-Myc    2    3    4    5
Nanog_1    2    3.2    4.3    5
Pou5f1_1    2    3    4    5
Tet1_3    2    3    4    5
  • 提取特定或指定范围的行
# -n是必须的，阻止程序自动输出匹配行，不然会导致重复输出
ct@ehbio:~/SXBD$ sed -n '2,4p' mat
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc    2    3    4    5
ct@ehbio:~/SXBD$ sed -n '4p' mat
c-Myc    2    3    4    5
  • 提取符合特定模式的行
ct@ehbio:~/SXBD$ sed -n '/_/ p' mat
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
Tet1_3    2    3    4    5
ct@ehbio:~/SXBD$ sed -n '/-/ p' mat
c-Myc    2    3    4    5
  • 去除文件中的空行
ct@ehbio:~/SXBD$ cat mat
ID    2 cell    4 cell    8 cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5

c-Myc    2    3    4    5
Tet1_3    2    3    4    5
# 空行就是只有行首和行尾的行
ct@ehbio:~/SXBD$ sed '/^$/d' mat 
ID    2 cell    4 cell    8 cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc    2    3    4    5
Tet1_3    2    3    4    5
  • 原位删除
ct@ehbio:~/SXBD$ cat mat
ID    2 cell    4 cell    8 cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5

c-Myc    2    3    4    5
Tet1_3    2    3    4    5

# -i 参数的使用
ct@ehbio:~/SXBD$ sed -i '/^$/d' mat 
ct@ehbio:~/SXBD$ cat mat
ID    2 cell    4 cell    8 cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc    2    3    4    5
Tet1_3    2    3    4    5
  • 删除指定范围的行
ct@ehbio:~/SXBD$ cat mat
ID    2 cell    4 cell    8 cell    embryo
Pou5f1_1    2    3    4    5
Nanog_1    2    3.2    4.3    5
c-Myc_2    2    3    4    5
Tet1_3    2    3    4    5

ct@ehbio:~/SXBD$ sed '2,3d' mat
ID    2 cell    4 cell    8 cell    embryo
c-Myc_2    2    3    4    5
Tet1_3    2    3    4    5
  • 记忆匹配

()启动记忆匹配；1为第一个匹配项，2为第二个匹配项；匹配项的计数根据左括号出现的位置来定，第一个(包括起来的为1。

ct@ehbio:~/SXBD$ echo "hah ehbio hah" | sed 's/ (.*) /t1t1t/'
hah    ehbio    ehbio    hah
  • 奇偶数行处理
ct@ehbio:~/SXBD$ echo -e "oddnevennoddneven"
odd
even
odd
even

# 奇偶数行合并
ct@ehbio:~/SXBD$ echo -e "oddnevennoddneven" | sed 'N;s/n/t/'
odd    even
odd    even

# 取出偶数行，比较简单
# 注意 n (小写)撇掉了奇数行
ct@ehbio:~/SXBD$ echo -e "oddnevennoddneven" | sed -n 'n;p'
even
even

# 取出奇数行
# 先都读进去，然后替换偶数行为空值，再输出
ct@ehbio:~/SXBD$ echo -e "oddnevennoddneven" | sed -n 'N;s/n.*//;p'
odd
odd
  • Windows/Linux换行符困境

Windows下的换行符是rn, Linux下换行符是n, MAC下换行符是r。所以Windows下的文件拷贝到Linux后，常会出现行尾多一个^M符号的情况，从而引起匹配或其它解析问题。

^M的输是 ctrl+v+M ctrl+v;ctrl+m，不是简单的输入^,再输入M。

ct@ehbio:~/SXBD$ cat -A windows.txt 
ID^M$
A^M$
B^M$
C^M$
ct@ehbio:~/SXBD$ sed 's/^M//' windows.txt | cat -A
ID$
A$
B$
C$
  • sed中使用bash变量
# 注意双引号的使用
ct@ehbio:~/SXBD$ bash_variable='ehbio'
ct@ehbio:~/SXBD$ echo "sheng xin bao dan " | sed "s/$/$bash_variable/"
sheng xin bao dan ehbio

正则表达式不同语言略有差别，但整体相近，更多正则操作见：不用Linux也可以的强大文本处理方法。

随机文章
本站知识点必读
最近更新