文本筛选 grep
一、软件介绍grep 是 Linux 下非常重要的一个工具，grep 全称是 Global Regular Expression Print，表示全局正则表达式版本。grep 是一个文本筛选器，其实也是搜索的功能，grep 的工作原理是，给定一个条件，我们也叫作模式，然后从文本中筛选出符合这个条件的内容，然后将这一行输出出来。有点类似于搜索引擎，在一个很大的文本中，筛选出满足设定条件的部分。grep在生物信息分析中，可以快速从文本中筛选出需要的内容。
二、选项参数
首先来介绍一下 grep 的选项参数，grep 的选项参数也很多，主要分为四部分，首先是正则表达式相关的选项，然后是 Miscellaneous，其余方面，输出控制，以及上下文控制等。
-E 或--extended-regexp 扩展功能的 grep，也叫作 egrep，可以直接敲 egrep 命令。
-F 或--fixed-regexp 将范本样式视为固定字符串的列表，也叫作 fgrep，可以直接敲 fgrep
命令。
-G 或--basic-regexp 将范本样式视为普通的表示法来使用。
-P 或--perl-regexp 使用 perl 的正则表达式。
不同模式的正则表达式之间稍微有些差别。
-f --file=接一个模式的文件，让 grep 查找符合范本条件的文件内容，格式为每列一个范本样式；
当要搜索条件过多时，可以将条件写入一个文件。
-i 或--ignore-case 忽略字符大小写的差别。
-w 或--word-regexp 只显示全字符合的列。
-x 或--line-regexp 只显示全列符合的列。
#输出选项，
-h 在显示符合范本样式的那一列之前，不标示该列所属的文件名称。
-H 在显示符合范本样式的那一列之前，表示该列所属的文件名称。-l 列出满足条件的文件名称，而不是具体内容，这个用在文件很多时，筛选出哪些文件包含条件
的内容。然后将这些文件筛选出来。
-v，--revert-match ，显示不匹配模式的行，有时候我们需要输出哪些是不满足条件的行，这时
就可以使用-v 选项。
-n 是在输出满足条件的内容前加行行号。
-r 和-d 类似，用于搜索目录，可以用于搜索目录下的每一个文件；
#上下文控制。
-B 是 before 的意思，后面接一个数字，表示将满足条件的行，前面几行也输出出来。
-A 是 After 的意思，和-B 类似，表示将满足条件的行，下面几行输出出来。
-C 后面接一个数字， 除了显示符合范本样式的那一列之外，并显示该列之前后的内容。 也可以
不用-C，直接连字符接数字。比如-2 输出满足条件的上下几行。
-c 或--count 计算符合范本样式的列数。
三、使用案例
#1 统计fasta条数
grep ">" soapdenovo.fa | wc
#2 去除#开头的行
grep -v "^#" demo.gff | head
#3 根据关键字搜索
grep"C2875"soapdenovo.fa
#4 关键字上下内容
grep -A 1 "C2381"soapdenovo.fa
grep -B 1 "C2381"soapdenovo.fa
#拉直序列整长
seqkit seq -w 0 soapdenovo.fa| grep -A 1 "C2381"
cat demo.gff | grep "lnc_RNA"
#5 使用正则表达式
seqkit seq -w 0 demo.fasta | grep "A\{7,10\}"
#6 筛选关键字，并输出行号
grep -n "EGFR" demo.bed
#7 删除掉空行
grep -v "^$" test.bed
#8 设定锚定符
locate bwa | grep "bwa"
locate bwa | grep "bwa$"
locate bwa | grep "\bbwa$"
#相同效果可以使用locate正则
locate -r "\bbwa$"
#9 计算匹配字符行数
grep -c "EGFR" demo.bed
#10 计算数目并排序
grep -v "^#" demo.gff | awk '{print $3}' | sort-uniq-count-rank
#11 同时满足多个条件
grep -e "ncRNA" -e "ncRNA_gene" demo.gff
#12 显示包含关键字的文件
grep -l aspera /share/*/*.sh
页:
[1]