如何使用sed实现文本行指定前缀统一补全固定内容

你最初的命令失效是因为匹配规则里的[^M]会实际匹配并消耗_10090后的第一个非M字符，替换时没有把这个字符加回去，就出现了首字符丢失的问题。

方案1：修复原分步替换逻辑 #

用sed的捕获组功能保留被匹配到的非M字符，修改后的命令如下：

1. 补全缺失的Mus musculus：

sed 's/_10090 \([^M]\)/_10090 Mus musculus \1/g'

其中\1就是被[^M]匹配到的字符，替换时会原样放回。

2. 再补全缺失的(house mouse)：

sed 's/Mus musculus \([^(]\)/Mus musculus (house mouse) \1/g'

可以合并为单次执行：

sed -e 's/_10090 \([^M]\)/_10090 Mus musculus \1/g' -e 's/Mus musculus \([^(]\)/Mus musculus (house mouse) \1/g' 目标文件路径

方案2：通用全适配方案 #

如果不需要分步判断缺失内容，无论行内物种信息缺多少都可以直接输出标准格式，可以用更简洁的正则直接重组行结构：

sed -E 's/^([0-9]+_10090).*(Gene [0-9]+)$/\1 Mus musculus (house mouse) \2/' 目标文件路径

该命令会直接提取每行开头的序号和末尾的基因标识，中间自动拼接固定的物种全称，适配所有缺失场景。

两种方案运行后都会得到你期望的输出：

1_10090 Mus musculus (house mouse) Gene 1
2_10090 Mus musculus (house mouse) Gene 2
3_10090 Mus musculus (house mouse) Gene 3
4_10090 Mus musculus (house mouse) Gene 4

内容的提问来源于stack exchange，提问作者Billy Mills