如何使用grep精准提取文本文件中第三列为CDS的行？

我完全懂你的困扰——之前的grep -i CDS会匹配所有包含CDS字符串的行，哪怕CDS出现在注释列或者其他位置，而你需要的是第三列严格等于CDS的行对吧？这里给你两种靠谱的解决方法：

方法1：用grep的正则精准匹配列 #

利用正则表达式锁定第三列的位置，同时结合你的文件行首是chr的特征，命令如下：

# 区分大小写匹配第三列的CDS
grep -E '^chr\S+\s+\S+\s+CDS\b' infile.txt > outfile

# 如果需要忽略大小写（比如匹配cds、CdS等），加上-i参数
grep -Ei '^chr\S+\s+\S+\s+CDS\b' infile.txt > outfile

正则部分的解释：

• ^chr：确保行以chr开头，符合你的文件格式
• \S+：匹配第一列中chr后面的非空白字符（比如chr1、chrX等）
• \s+：匹配一个或多个空白分隔符（支持空格/制表符）
• CDS\b：匹配完整的CDS单词，避免误匹配类似CDS_region这类包含CDS的字符串

方法2：用awk直接按列筛选（更直观） #

awk天生擅长处理按列分隔的文本，直接指定第三列判断即可，语法更清晰：

# 区分大小写匹配第三列的CDS
awk '$3 == "CDS"' infile.txt > outfile

# 忽略大小写的版本
awk 'tolower($3) == "cds"' infile.txt > outfile

如果你的文件是制表符分隔的，为了避免空格干扰，可以指定分隔符：

awk -F '\t' '$3 == "CDS"' infile.txt > outfile

这两种方法都能精准筛选出第三列是CDS的行，不会误匹配其他包含CDS的行~

内容的提问来源于stack exchange，提问作者user7249622