質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.35%

  • sed

    75questions

    sedとは、POSIX環境のために作られたコマンドラインエディタです。sedは編集スクリプトの指示のもとに複数のファイルを編集し、標準出力にその結果を出力します。

UNIX 文字列置換・削除の基本操作

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 1,457
退会済みユーザー

退会済みユーザー

いつもお世話になっております。
初歩的な質問を申し訳御座いません。

A.txt

>scaffold20_cov142_44767_40
>scaffold5789971_cov368_412_40
>scaffold5760679_cov360213_9_40
>scaffold737200_cov344_191_40
>scaffold5710974_cov3992_26_40
>scaffold7161_cov152_2498_40



(数万行続く)

といったファイルを、

scaffold20_cov142
scaffold5789971_cov368
scaffold5760679_cov360213
scaffold737200_cov344
scaffold5710974_cov3992
scaffold7161_cov152



というようなファイルに書き換える際の良いコマンドを御教授頂けたら幸いです。
因みに、
$ sed 's/>//g' A.txt | sed 's/(cov[0-9]{1,}.*)//g'
$ sed 's/>//g' A.txt | sed 's/_.*//2'
といったコマンドでは、後半部分がうまくいっていないようです。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

+1

sed -r 's/(^.+_cov[^_]+).+/\1/' A.txtで如何でしょうか。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2016/12/19 11:07

    プログラム歴1年未満の私には、このコマンドの意味がすぐに
    理解できず恐縮ですが、正にこのコマンドで出来ました。
    直ちに復習をしてみようと思います。誠に有難う御座いました。

    キャンセル

  • 2016/12/19 11:32

    今更ながら先頭に置換前の文字列の先頭に>が付いているのを見落としてました。
    正しくは sed -r 's/^>(.+_cov[^_]+).+/\1/' A.txt となります。

    私の採った手法はKSwordOfHasteさんの説明にある「追記:マッチした部分を残すという方針も考えられます。」となります。
    置換前の残したい部分を括弧で囲み、置換後を「\1」で指定する、というものですね。
    専門用語ではこの手法を「後方参照」と呼びます。

    キャンセル

  • 2016/12/19 12:07

    態々有難う御座いました。ここの部分は私は
    sed -r 's/(^.+_cov[^_]+).+/\1/' A.txt | sed 's/>//g'
    としました。

    キャンセル

+1

以下の回答は間違いを含んでいます。-rがないので拡張正規表現が扱えないなど。
yunanoさんが正しいパターンを提示しておられますので、以下はパターンをマッチさせる考え方の参考とでもしていただければと思います。

実機確認をおこたるとダメという残念な回答になってしまいました。失礼しました。


正規表現を扱うとき、「どのようなパターンを」という点を正確に表現できれば自ずと正しいパターンマッチが行えます。

>文字列A_文字列B_文字列C_文字列D
(ただし、先頭以外には'>'は出現しないことがわかっている)
=>
文字列A_文字列B

全ての文字列置換が上記のようなパターンであるなら

$ sed 's/>//g' A.txt | sed 's/(cov[0-9]{1,}.*)//g' (1)
$ sed 's/>//g' A.txt | sed 's/_.*//2' (2)

(1)は「文字列A」の先頭部分を削除してしまうので間違いですね。
(2)は「文字列B」の部分から削除してしまうので間違いですね。

マッチした部分を削除するという方針ならマッチさせたい部分は以下のように考えられます。

(A)>
(B)末尾の_文字列C_文字列D

(A)はよいとして(B)をより正確にいうなら「'_'で始まり'_'以外の文字が1つ以上続くパターンが2回出現する末尾のパターン」と考えられるので(_[^_]+){2}$と考えればよいのです。「末尾の」が考慮から漏れると文字列B_文字列Cが削除されてしまいますし、'_'以外の文字が1つ以上続くとしてしまうと文字列B~文字列Dにマッチしてしまいます。

要するにパターンを正確に指定する考え方に慣れるとよいと思います。


追記:マッチした部分を残すという方針も考えられます。
例えば先頭1文字が必ず'>'とわかっているならパターンは^.([^_]+_[^_]+)_とした場合の括弧で挟まれた部分となるので、sedをパイプで2回実行する必要はなく一度の置換でよくなります。

sed 's/^.([^_]+_[^_]+)_/\1/g'

比較パターンの中の先頭の.にマッチする文字とパターンの最後の文字_は置換後のパターン\1には含まれないことに注意してください。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2016/12/19 11:08

    アドバイスを誠に有り難うございます。
    「正しい正規表現」が出来るように、更なる経験を積みたいと思います。

    キャンセル

  • 2016/12/19 11:11 編集

    失礼、内容が間違っているので訂正しました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.35%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る

  • sed

    75questions

    sedとは、POSIX環境のために作られたコマンドラインエディタです。sedは編集スクリプトの指示のもとに複数のファイルを編集し、標準出力にその結果を出力します。