grep為匹配“關(guān)鍵字”的行
下載練習(xí)數(shù)據(jù)
擬南芥注釋文件
ftp://ftp.arabidopsis.org/home/tair/Genes/TAIR10_genome_release/TAIR10_gff3/TAIR10_GFF3_genes.gff
# 為方便練習(xí)哄芜，重命名文件
cp TAIR10_GFF3_genes.gff gene.gff
查看內(nèi)容
less -SN gene.gff
1 Chr1 TAIR10 chromosome 1 30427671 . . . ID=Chr1;N
2 Chr1 TAIR10 gene 3631 5899 . + . ID=AT1G01010;Note=protein
3 Chr1 TAIR10 mRNA 3631 5899 . + . ID=AT1G01010.1;Parent=AT1
4 Chr1 TAIR10 protein 3760 5630 . + . ID=AT1G01010.1-Protein;Na
統(tǒng)計染色體數(shù)量
leadingsci@DELL5577:~/Test$ cut -f 1 gene.gff |sort -u
Chr1
Chr2
Chr3
Chr4
Chr5
ChrC
ChrM
查看各基因的染色體數(shù)量
“^” 匹配該字符開頭的行
grep -c 統(tǒng)計含有“gene”的行數(shù)
$i 依次代表 Chr1戳表、Chr2著隆、Chr3凿歼、Chr4、Chr5拦键、ChrC 和 ChrM谣光。
leadingsci@DELL5577:~/Test$ grep "^ChrM" gene.gff |grep -c "gene"
146
# 或者使用循環(huán)
leadingsci@DELL5577:~/Test$ for i in Chr1 Chr2 Chr3 Chr4 Chr5 ChrC ChrM; do grep "^$i" gene.gff |
grep -c "gene"; done
9117
6343
7610
5851
8313
133
146
打印含有“關(guān)鍵字” 的文件名
參數(shù) -l 的作用是：如果文件中含有以 Chr1 開頭的行（至少一行），則將文件名打印出來
leadingsci@DELL5577:~/Test$ grep -l "^Chr1" gene.gff
gene.gff
當(dāng)前目錄下含有“關(guān)鍵字”的文件名
leadingsci@DELL5577:~/Test$ for i in $(ls);do grep -l "Chr1" $i;done
gene.gff
TAIR10_GFF3_genes.gff
參數(shù) -i 來忽略大小寫：
leadingsci@DELL5577:~/Test$ for i in $(ls);do grep -l -i "^Chr1" $i;done
gene.gff
TAIR10_GFF3_genes.gff
去除空白行
^$ 表示空白行芬为，-v 則表示反向匹配萄金，即將非空白行取出來蟀悦。
^$ 為什么表示空白行，則可以理解：^ 表示匹配行首氧敢，$ 則表示匹配行尾日戈，它們這樣組合則表示行首和行尾之間什么都沒有，那就是空白行了孙乖。
leadingsci@DELL5577:~/Test$ grep -v "^$" gene.gff |head -n 4
Chr1 TAIR10 chromosome 1 30427671 . . . ID=Chr1;Name=Chr1
Chr1 TAIR10 gene 3631 5899 . + . ID=AT1G01010;Note=protein_coding_gene;Name=AT1G01010
Chr1 TAIR10 mRNA 3631 5899 . + . ID=AT1G01010.1;Parent=AT1G01010;Name=AT1G01010.1;Index=1
Chr1 TAIR10 protein 3760 5630 . + . ID=AT1G01010.1-Protein;Name=AT1G01010.1;Derives_from=AT1G01010.1
生成染色體
leadingsci@DELL5577:~/Test$ cut -f 1 gene.gff |sort -u |tee -a chr.txt
Chr1
Chr2
Chr3
Chr4
Chr5
ChrC
ChrM
正則表達式
單匹配
> 表示“詞尾錨定”浙炼，即限定右邊的邊界。
leadingsci@DELL5577:~/Test$ grep "Chr1" chr.txt
Chr1
Chr10
# 如果不想匹配到Chr10
leadingsci@DELL5577:~/Test$ grep "Chr1\>" chr.txt
匹配單字符
選擇其中一個字符進行匹配
leadingsci@DELL5577:~/Test$ grep "Chr[23]" chr.txt
Chr2
Chr3
匹配范圍
leadingsci@DELL5577:~/Test$ grep "Chr[2-4]" chr.txt
Chr2
Chr3
Chr4
則表示把不含有 chr2 到 chr6 關(guān)鍵字其他行取出來
其中的 ^ 表示 非唯袄，而不是表示匹配行首弯屈。
leadingsci@DELL5577:~/Test$ grep "Chr[^2-4]" chr.txt
Chr1
Chr5
ChrC
ChrM
# 或者
leadingsci@DELL5577:~/Test$ grep -v "Chr[2-4]" chr.txt
Chr1
Chr5
ChrC
ChrM
