如何使用sed命令处理tRNA.fa文件，保留指定格式的序列头部及序列行

我来帮你搞定这个需求！你需要的是只保留>tRNA-XXX-XXX-X-X格式的行头，同时保留对应的序列行，正确的sed命令如下：

sed -i 's/^\(>tRNA-[^ ]*\).*/\1/' tRNA.fa

为什么你之前的命令不行？ #

你之前用的sed -i 's/\(.*\).*[0-9]$//g' tRNA.fa逻辑有问题：这个命令会匹配行内任意内容直到末尾的数字，然后把整个匹配内容替换为空，直接把所有以>开头的行都清空了，完全不符合你的需求。

新命令的工作原理 #

拆解一下这个命令的各个部分：

• ^：锚定行的开头，确保我们只处理以>开头的行（也就是序列头行）
• \(>tRNA-[^ ]*\)：这是一个捕获组，[^ ]*表示匹配任意非空格字符，所以会精准捕获从>tRNA-开始到第一个空格之前的所有内容，也就是你想要保留的>tRNA-Ala-AGC-1-1这类格式
• .*：匹配该行捕获组之后的所有剩余内容（也就是括号及后面的所有冗余信息）
• \1：将整行替换为之前捕获组里的内容，也就是保留我们需要的行头，删掉冗余部分
• 非>开头的序列行不会被这个命令匹配，所以会原封不动保留

执行这个命令后，你的tRNA.fa文件就会变成你期望的样子：

tRNA-Ala-AGC-1-1
GGGGGTATAGCTCAGTGGTAGAGCGCTCCCTTAGCATGGGAGAGGgCTGGGGTTCAATTC CCCATACCTCCA
tRNA-Ala-AGC-1-10
GGGGGTATAGCTCAGTGGTAGAGCGCTCCCTTAGCATGGGAGAGGgCTGGGGTTCAATTC CCCATACCTCCA
tRNA-Ala-AGC-1-11
GGGGGTATAGCTCAGTGGTAGAGCGCTCCCTTAGCATGGGAGAGGgCTGGGGTTCAATTC CCCATACCTCCA

内容的提问来源于stack exchange，提问作者Katniss Dong