☰

extraindo linhas de um arquivo de texto grande

tag-icon • tag-icon grep
extraindo linhas de um arquivo de texto grande

Eu tenho um arquivo de texto com dados parecidos com estes (1875 linhas para ser exato)

chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 6585538 6585547 0.905022147 -   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148428 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_-_6585517 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 6767855 6767864 0.703029237 +   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148303 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_+_6768100 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 8686283 8686292 0.481284243 +   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148085 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_-_8685906 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 10660924    10660933    0.818294903 +   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148400 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_+_10661128 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 12327417    12327426    0.584010382 -   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148387 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_+_12327504 
chr1    MOTEVOC_cage_181208 TF_binding_site_cage_181208 12327433    12327442    0.825226087 -   .   TF_binding_site_cage_181208 MEF2A,B,C,D-148388 ;ALIAS MEF2A,MEF2B,MEF2C,MEF2D ;L3_ID L3_chr1_+_12327504

Estou procurando uma solução para extrair as linhas que possuem "+" próximo ao final. (acontece depois do último ;. Da mesma forma, estou procurando extrair as -linhas dos fios e colocá-las em arquivos separados.

Editar: mudança de conjunto de dados, estava olhando o arquivo errado antes.

Responder1

Pelos comentários, entendo que você está procurando extrair linhas cuja 7ª coluna seja +ou -. O arquivo de entrada é separado por tabulações. Para fazer isso, ao salvar as +linhas no arquivo chamado pluse as linhas de menos no arquivo chamado minus, a ferramenta mais natural é provavelmente awk:

awk -F'\t' '$7=="+"{print >"plus"} $7=="-"{print>"minus"}' file

Como funciona:

  • -F'\t'

    awklê um registro (linha) por vez e o separa em campos. Aqui, definimos o separador de campos como uma guia.

  • $7=="+"{print >"plus"}

    Se o sétimo campo for a +, salve a linha no arquivo plus.

  • $7=="-"{print>"minus"}

    Da mesma forma, se o sétimo campo for a -, salve a linha no arquivo minus.

Responder2

sed -ne '/^[^+-]*+/w plus.file' -e //d -e '/^[^+-]-/w minus.file' <infile

Para a sétima seção delimitada por tabulações, faça:

sed -ne 'h;s/\([^\t]*\t\)\{6\}[^\t+-]*//
            /^-/{g;w minus.file' -e 'b
         }; /^+/{g;w plus.file'  -e \}

Mas talvez você precise usar um <tab>caractere literal no lugar dos \tescapes acima.

informação relacionada