如何使用Grep垂直匹配文本第4列的A A G序列？

当然可以用Grep实现这个需求！不过因为Grep默认是逐行处理的，我们需要借助它的**Perl兼容正则表达式（PCRE）**特性来实现跨行匹配。下面是具体的解决方案：

方法1：Grep + PCRE多行匹配 #

直接使用grep的-P（启用PCRE）、-z（将换行视为普通字符）和-o（仅输出匹配内容）选项，配合跨行正则表达式来匹配连续三行中第4列依次为A、A、G的内容：

grep -Pzo '(?s)^(\S+\s+){3}A\s+[^\n]*\n(\S+\s+){3}A\s+[^\n]*\n(\S+\s+){3}G\s+[^\n]*' your_input_file.txt

参数解释： #

• -P：开启Perl兼容正则，支持跨行匹配、重复模式等高级特性。
• -z：把输入内容看作以NUL字符分隔的块，这样\n会被当作普通字符处理，允许正则跨越多行。
• -o：只输出匹配到的部分（这里就是符合条件的连续三行）。
• (?s)：启用单行模式，让.能匹配换行符（不过这里我们用[^\n]匹配每行内容，加不加都能工作，但更保险）。
• (\S+\s+){3}：匹配前三个非空白字段（每个字段后跟空格/制表符），精准定位到第4列的位置。
• A\s+：指定第4列是A，后面跟分隔空格。
• [^\n]*\n：匹配该行剩余内容直到换行，然后连接下一行。

方法2：更直观的Awk替代方案 #

如果觉得Grep的正则有点复杂，用Awk处理字段级别的匹配会更清晰、易维护。Awk可以直接跟踪前两行的第4列值，当满足A-A-G的序列时输出对应的三行：

awk '
    # 检查当前行和前两行的第4列是否符合A-A-G序列
    prev2 ~ /^A$/ && prev1 ~ /^A$/ && $4 ~ /^G$/ {
        print prev2_line
        print prev1_line
        print $0
    }
    # 保存前两行的第4列值和完整行内容
    {
        prev2 = prev1
        prev1 = $4
        prev2_line = prev1_line
        prev1_line = $0
    }
' your_input_file.txt

这个脚本会逐行读取文件，保存前两行的第4列值和完整行内容，当当前行第4列是G且前两行依次是A、A时，就把这三行打印出来。

内容的提问来源于stack exchange，提问作者user90