linux - 删除文本文件中的任何 AGTC 字符

Question

我有一个文本文件，它应该包含 A、G、C、T 字符。然而，它有时有一些未知字符(很少)，我想删除它们，如果它是 N，请将其替换为 A。另外，我想转义以 > 符号开头的行。

到目前为止，我只知道如何用 A 替换 N，我喜欢这样:

 sed "s/N/A/g" file1.fa >file2.fasta

但我不知道如何完成第一个任务。

示例:

初始文件

first line AGCCCMCCCN

目标文件应该是这样的

first line AGCCCCCCA

任何帮助将不胜感激。提前致谢!

Answer 1

您可以在 sed 上进行另一次替换

sed -e 's/N/A/g' -e 's/[^AGCT>]//g' -e 's/^>/\\>/' -e 's/[^\]>//g' file1.fa > file2.fasta

模式 1

-e 's/N/A/g'

您的模式首先用 A 替换 N 的所有实例。

模式 2

-e 's/[^AGCT>]//g'

其次，将所有非 A、G、C、T 或 > 的字符替换为空。

模式3

-e 's/^>/\\>/'

然后将字符串开头的 > 的所有实例替换为\>

模式 4

-e 's/[^\]>//g'

最后删除所有 > 前面没有\的字符