如何使用Bash删除字符串指定索引位置后所有内容

你需要将给定氨基酸序列保留到第383次出现的Q字符位置，删除后续所有内容，现有尝试的sed命令未生效，同时需要支持后续修改不同截止位置、不同目标字符的可复用方案。

你使用的sed 's/Q//383'是sed标准替换语法，作用是删除目标行中第383次出现的Q字符，和「保留到第383个Q为止所有内容」的需求完全不符，因此无法得到预期结果。

以下两种方案都支持自定义目标字符、目标出现次数，适配后续多场景处理需求：

方案1：sed实现（适合单行长序列场景） #

通用命令模板，替换[目标字符]和[目标出现次数]即可直接使用：

sed -E 's/(([^[目标字符]]*[目标字符]){[目标出现次数]}).*/\1/' 输入文件

你的场景对应命令为：

sed -E 's/(([^Q]*Q){383}).*/\1/' text.file

如果需要直接修改原文件，添加-i参数即可：

sed -i -E 's/(([^Q]*Q){383}).*/\1/' text.file

正则逻辑说明：

• [^Q]*Q 匹配一段不含Q的字符+一个Q的组合
• {383} 表示匹配383次上述组合，刚好覆盖到第383个Q为止的所有内容
• 外层括号捕获这部分内容，后面的.*匹配剩余所有内容，替换为捕获的内容就实现了需求

方案2：awk实现（适合多行长序列、大文件场景） #

通用命令模板，修改c参数（目标字符）和k参数（目标出现次数）即可：

awk -v c="[目标字符]" -v k=[目标出现次数] 'BEGIN{FS=OFS=""}{cnt=0; for(i=1;i<=NF;i++){printf $i; if($i==c) cnt++; if(cnt==k) {print ""; next}}}' 输入文件

你的场景对应命令为：

awk -v c="Q" -v k=383 'BEGIN{FS=OFS=""}{cnt=0; for(i=1;i<=NF;i++){printf $i; if($i==c) cnt++; if(cnt==k) {print ""; next}}}' text.file

如果需要保存结果到原文件，在命令末尾添加> temp && mv temp text.file即可。

如果需要批量处理多个不同的截止位置，写shell循环传入参数即可，示例：

# 批量处理，分别保留到第100个A、200个M、383个Q
for char in A M Q; do
  for num in 100 200 383; do
    sed -E "s/(([^${char}]*${char}){${num}}).*/\1/" text.file > output_${num}_${char}.fasta
  done
done

内容的提问来源于stack exchange，提问作者tacrolimus