最新生物信息学基础教程第4讲：正则表达式教程.pptVIP

awk脚本的运行机制 如果存在BEGIN区块，执行其中的actions 从输入文件中读取一行，称为读入一条记录 将读入的记录按照分隔符（FS/IFS）分割为多个字段，依次为$1，$2，….， 而$0表示整条记录。 将当前输入记录与awk_pattern相比较，如果匹配则执行actions，如果不匹配则跳过读入下一条记录，重复执行3，4，直到文件尾 awk把输入文件的数据读入内存，然后操作内存中的输入数据副本，不会修改输入文件的内容 awk总是输出到标准输出，如果需要输出到文件，可采用重定向 * bjhk awk_pattern的格式 正则表达式 /regexp/ 通用的正则元字符: [] ^ $ . | () * +是awk特有的元字符，匹配其前的单个字符一次以上 ?也是awk特有的元字符，匹配其前的单字符0/1次 举例：awk ‘/*\$0\.[0-9][0-9].*/’ input_file 布尔表达式 “==”，“”, “～/regexp/”，“”， “||” 举例 awk ‘$3 ~ /[^d]/’ input_file awk ($1 10 ) ($2 10) {print ok} input_file * bjhk actions的格式 actions是对awk读取记录进行的操作 actions由一条或多条语句或命令组成，语句之间用分号分隔 * bjhk hjkh l;kl hjkh l;kl hjkh l;kl hjkh l;kl hjkh l;kl hjkh l;kl hjkh l;kl hjkh l;kl 生物信息学基础教程第4讲：正则表达式教程 ——正则表达式与模式匹配 * bjhk 本节内容 正则表达式 正则表达式的定义与表示方法 正则表达式中的元字符（metacharacter） VIM编辑器 grep命令 sed编辑器 awk工具 * bjhk 正则表达式 所谓正则表达式（regular expression， RE）， 指的是符合某种模式的字串，常用于从文件中或者字符串中查找和替换某些符合某种规则的字串 * bjhk VIM教程 ——linux下最常用的文本编辑器 * bjhk VIM编辑器 三种模式：各种模式之间切换 从命令行模式到插入模式：按下i键 从命令行模式到附加模式：按下a键 返回命令行模式：按下ESC键 退出编辑 保存并退出：在命令行模式按下:wq 不保存退出：在命令行模式按下:q! 保存：在命令行模式按下:w 另存为其他文件名：按下:w filename * bjhk VIM编辑功能 光标跳到文件头：命令行模式下按2下g 光标跳到文件尾：按下:$ 光标跳到行首：按下^ 光标跳到行末：按下$ 跳到100行：按下100g * bjhk VIM查找功能 底行模式下输入/pattern/回车，对应符合pattern的文本就会显示为高亮 底行模式下输入:m,n/pattern/，就会在第m行到第n行查找pattern并高亮显示 * bjhk grep教程 ——正则表达式的应用 * bjhk grep简介 是Global search regular expression (RE) and Print out the line的缩写 强大的文本搜索工具，使用正则表达式搜索文本，并打印匹配的行 在一个或者多个文件中搜索字符串模式，搜索的结果输出到屏幕，不影响文件内容 * bjhk grep用法 grep [option] ‘pattern’ input_files * bjhk 常用grep命令选项 -? ?为数值，同时显示匹配行的前后？行 grep -2 ‘grep’ test.txt同时显示匹配行的前后2行 -c --count，只打印匹配行的行数，而不输出匹配行 -f file 从输入文件中提取模式 -i --ignore-case，忽略大小写 -q --quiet，取消显示 -l 仅打印匹配模式的文件清单 -l 打印不匹配模式的文件清单 -n --line-number，在匹配行前打印行号 -s --silent，不显示错误信息 -v --revert-match，只显示不匹配的行 -w --word-regexp，如果被\和\引用，就把表达式作为一个单词搜索 * bjhk grep正则表达式元字符 ^ 锚定行的开始 ‘^grep’匹配所有以grep开始的行 $ 锚定行的结束 ‘grep$’匹配所有以grep结束的行 . 匹配一个非换行符的任意字符 ‘gr.p’匹配gr后跟一个任意字符，后为p的行 * 匹配0个或多个先前字符 ‘*grep’匹配所有0个或多个空格紧跟grep的行 [] 匹配一个指定范围的字符 ‘[Gg]rep’匹配包含Grep或grep的行 [^] 匹配