使用sed编辑大文本文件中的复杂ID

针对你需要修改ID行、保留分号分隔第二个字段的需求，直接用sed的正则替换就能完成，具体命令如下：

sed -E 's/^> [^;]+;([^;]+);.*$/> \1/' 你的输入文件名 > 输出文件名

命令解释 #

• ^> ：精准匹配以> 开头的行（也就是ID行），避免误改其他序列内容
• [^;]+：匹配第一个分号前的所有非分号字符（即第一个字段）
• ;([^;]+);：匹配第一个分号后、第二个分号前的内容，并用括号()捕获这部分（也就是你要保留的第二个字段）
• .*$：匹配第二个分号到行尾的所有无关内容
• > \1：把整行替换成> 加上之前捕获的第二个字段（\1代表第一个捕获组的内容）

示例验证 #

原ID行：

> AT1G01030;AT1G01030.2;atRTD2::1:11648-13714

执行命令后，该行会被修改为：

> AT1G01030.2

这个命令处理大文件效率很高，sed是流式处理工具，不会把整个文件加载到内存，适合处理大型文本。

内容的提问来源于stack exchange，提问作者Andrew